Noparametrica

2025-05-18

#cargar paquetes#########################################################

#######

install.packages("tidyverse")

## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'

## (as 'lib' is unspecified)

install.packages("readxl")

## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'

## (as 'lib' is unspecified)

install.packages("gt")

## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'

## (as 'lib' is unspecified)

install.packages("car")

## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'

## (as 'lib' is unspecified)

install.packages("tidyr")

## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'

## (as 'lib' is unspecified)

library(tidyverse)

## ── Attaching core tidyverse packages ──────────────────────── tidyvers

e 2.0.0 ──

## ✔ dplyr 1.1.4 ✔ readr 2.1.5

## ✔ forcats 1.0.0 ✔ stringr 1.5.1

## ✔ ggplot2 3.5.2 ✔ tibble 3.2.1

## ✔ lubridate 1.9.4 ✔ tidyr 1.3.1

## ✔ purrr 1.0.4

## ── Conflicts ────────────────────────────────────────── tidyverse_conf

licts() ──

## ✖ dplyr::filter() masks stats::filter()

## ✖ dplyr::lag() masks stats::lag()

## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force

all conflicts to become errors

library(readxl)

library(gt)

library(car)

## Loading required package: carData

##

## Attaching package: 'car'

##

## The following object is masked from 'package:dplyr':

##

## recode

##

## The following object is masked from 'package:purrr':

##

## some

library(tidyr)

#cargar y depurar los

#datos################################################################

datos_goles <- read_excel("Datos de goles 2018-2024.xlsx")

print("Nombres de las columnas:")

## [1] "Nombres de las columnas:"

print(colnames(datos_goles))

## [1] "ID" "TORNEO" "YEAR" "FASE" "LOCAL" "VISI

TANTE"

## [7] "P1_L" "P1_V" "P2_L" "P2_V" "P3_L" "P3_V

"

## [13] "P4_L" "P4_V" "P5_L" "P5_V" "P6_L" "P6_V

"

## [19] "TN_L" "TN_V" "PR1_L" "PR1_V" "PR2_L" "PR2_

V"

## [25] "TPR_L" "TPR_V" "DURACION" "1_PATEO" "PE1_L" "PE1_

V"

## [31] "PE2_L" "PE2_V" "PE3_L" "PE3_V" "PE4_L" "PE4_

V"

## [37] "PE5_L" "PE5_V" "TPE_L" "TPE_V" "TOTAL_L" "TOTA

L_V"

## [43] "P_GOL_1" "PRIM_GOL" "GANO" "GOL_GAN" "GOL_PERD"

columnas_numericas_nombres <- c(

"ID", "YEAR",

"P1_L", "P1_V", "P2_L", "P2_V", "P3_L", "P3_V", "P4_L", "P4_V",

"P5_L", "P5_V", "P6_L", "P6_V",

"TN_L", "TN_V",

"PR1_L", "PR1_V", "PR2_L", "PR2_V",

"TPR_L", "TPR_V",

"PE1_L", "PE1_V", "PE2_L", "PE2_V", "PE3_L", "PE3_V",

"PE4_L", "PE4_V", "PE5_L", "PE5_V",

"TPE_L", "TPE_V","TOTAL_L", "TOTAL_V","GOL_GAN", "GOL_PERD")

# Convertir las columnas especificadas a numérico------------------------

--------------------------------

for (col_nombre in columnas_numericas_nombres) {

if (col_nombre %in% colnames(datos_goles)) {

datos_goles[[col_nombre]] <- ifelse(datos_goles[[col_nombre]] %in% c(

"No Aplica", "N/A", ""), NA, datos_goles[[col_nombre]])

datos_goles[[col_nombre]] <- as.numeric(datos_goles[[col_nombre]])

} else {

print(paste("Advertencia: La columna", col_nombre, "no se encontró en

los datos para conversión numérica."))

}

columnas_categoricas_nombres <- c("TORNEO", "FASE", "LOCAL", "VISITANTE",

"DURACION", "1_PATEO", "PRIM_GOL", "GANO","P_GOL_1")

for (col_nombre in columnas_categoricas_nombres) {

if (col_nombre %in% colnames(datos_goles)) {

datos_goles[[col_nombre]] <- as.factor(datos_goles[[col_nombre]])

} else {

print(paste("Advertencia: La columna", col_nombre, "no se encontró en

los datos para conversión a factor."))

}

print("Estructura DESPUÉS de convertir a factor:")

## [1] "Estructura DESPUÉS de convertir a factor:"

str(datos_goles)

## tibble [62 × 47] (S3: tbl_df/tbl/data.frame)

## $ ID : num [1:62] 18 38 40 53 57 7 13 20 42 52 ...

## $ TORNEO : Factor w/ 2 levels "EURO COPA","MUNDIAL": 1 2 2 1 1 2 2

1 2 1 ...

## $ YEAR : num [1:62] 2020 2022 2022 2024 2024 ...

## $ FASE : Factor w/ 5 levels "CF","FI","FI 3",..: 4 4 1 4 1 4 5 4

1 4 ...

## $ LOCAL : Factor w/ 23 levels "Argentina","Austria",..: 11 13 6 15

15 19 9 3 13 9 ...

## $ VISITANTE: Factor w/ 29 levels "Argentina","Australia",..: 3 25 5 2

3 10 26 4 19 19 4 ...

## $ P1_L : num [1:62] 0 0 0 0 0 0 0 0 0 0 ...

## $ P1_V : num [1:62] 0 0 0 0 0 0 0 0 0 0 ...

## $ P2_L : num [1:62] 0 0 0 0 0 0 0 0 0 0 ...

## $ P2_V : num [1:62] 0 0 0 0 0 0 0 0 0 0 ...

## $ P3_L : num [1:62] 0 0 0 0 0 0 0 1 1 0 ...

## $ P3_V : num [1:62] 0 0 0 0 0 0 0 0 0 0 ...

## $ P4_L : num [1:62] 0 0 0 0 0 0 1 0 0 0 ...

## $ P4_V : num [1:62] 0 0 0 0 0 0 0 0 0 0 ...

## $ P5_L : num [1:62] 0 0 0 0 0 1 0 0 0 0 ...

## $ P5_V : num [1:62] 0 0 0 0 0 0 0 0 0 0 ...

## $ P6_L : num [1:62] 0 0 0 0 0 0 0 0 0 1 ...

## $ P6_V : num [1:62] 0 0 0 0 0 0 0 0 0 0 ...

## $ TN_L : num [1:62] 0 0 0 0 0 1 1 1 1 1 ...

## $ TN_V : num [1:62] 0 0 0 0 0 0 0 0 0 0 ...

## $ PR1_L : num [1:62] 2 0 0 0 0 0 0 0 0 0 ...

## $ PR1_V : num [1:62] 0 0 0 0 0 0 0 0 0 0 ...

## $ PR2_L : num [1:62] 0 0 1 0 0 0 0 0 0 0 ...

## $ PR2_V : num [1:62] 1 0 1 0 0 0 0 0 0 0 ...

## $ TPR_L : num [1:62] 2 0 1 0 0 0 0 0 0 0 ...

## $ TPR_V : num [1:62] 1 0 1 0 0 0 0 0 0 0 ...

## $ DURACION : Factor w/ 3 levels "normal","penalties",..: 3 2 2 2 2 1

1 1 1 1 ...

## $ 1_PATEO : Factor w/ 3 levels "local","No Aplica",..: 2 1 1 3 3 2 2

2 2 2 ...

## $ PE1_L : num [1:62] 0 1 1 1 1 0 0 0 0 0 ...

## $ PE1_V : num [1:62] 0 0 0 0 1 0 0 0 0 0 ...

## $ PE2_L : num [1:62] 0 1 1 1 1 0 0 0 0 0 ...

## $ PE2_V : num [1:62] 0 0 1 0 1 0 0 0 0 0 ...

## $ PE3_L : num [1:62] 0 0 1 1 0 0 0 0 0 0 ...

## $ PE3_V : num [1:62] 0 0 1 0 1 0 0 0 0 0 ...

## $ PE4_L : num [1:62] 0 1 1 0 1 0 0 0 0 0 ...

## $ PE4_V : num [1:62] 0 0 0 0 1 0 0 0 0 0 ...

## $ PE5_L : num [1:62] 0 0 0 0 0 0 0 0 0 0 ...

## $ PE5_V : num [1:62] 0 0 0 0 1 0 0 0 0 0 ...

## $ TPE_L : num [1:62] 0 3 4 3 3 0 0 0 0 0 ...

## $ TPE_V : num [1:62] 0 0 2 0 5 0 0 0 0 0 ...

## $ TOTAL_L : num [1:62] 2 3 5 3 3 1 1 1 1 1 ...

## $ TOTAL_V : num [1:62] 1 0 3 0 5 0 0 0 0 0 ...

## $ P_GOL_1 : Factor w/ 9 levels "1","2","3","4",..: 7 9 8 9 9 5 4 3 3

6 ...

## $ PRIM_GOL : Factor w/ 2 levels "local","visitante": 1 1 2 1 2 1 1 1

1 1 ...

## $ GANO : Factor w/ 2 levels "local","visitante": 1 1 1 1 2 1 1 1

1 1 ...

## $ GOL_GAN : num [1:62] 95 NA 117 NA NA 66 51 42 42 85 ...

## $ GOL_PERD : num [1:62] 114 NA 106 NA NA NA NA NA NA NA ...

#quitar partidos que terminaron el tiempo regular con empate 0-0---------

-----------------------------------------------

datos_goles <- datos_goles %>%

filter(!(TN_L == 0 & TN_V == 0))

# view(datos_goles)

#agregar variable nueva##################################################

##############

datos_goles <- datos_goles %>%

mutate(

TOTAL_GN=TN_L+TN_V)

#descriptiva#############################################################

###

#grafica periodo del primer gol segun quien anoto primero----------------

----------------------------------------

ggplot(datos_goles, aes(x = factor(P_GOL_1), fill = PRIM_GOL)) +

geom_bar(position = "fill") +

labs(

x = "Período en que se anoto el primer gol",

y = "Proporción",

title = "Proporción de primer gol segun quien lo anoto"

) +scale_fill_manual(

values = c("local" = "#342BA8", "visitante" = "#D93E1F")

)

#grafica periodo que anoto el primer gol segun equipo que lo anoto y gano

--------------------------------------------------------

win_anot <- filter(datos_goles, PRIM_GOL == GANO & PRIM_GOL %in% c("local

", "visitante"))

ggplot(win_anot, aes(x = factor(P_GOL_1), fill = GANO)) +

geom_bar(position = "fill") +

labs(

x = "Período (P_GOL_1)",

y = "Proporción",

title = "Proporción del periodo del primer gol segun quien gano"

) +scale_fill_manual(

values = c("local" = "#342BA8", "visitante" = "#D93E1F")

)

#porcentaje de anotar primero y ganar------------------------------------

--------------------

porcentaje_global_victorias_al_anotar_primero <- datos_goles %>%

filter(PRIM_GOL %in% c("local", "visitante") & !is.na(PRIM_GOL) & !is.n

a(GANO)) %>%

summarise(

porcentaje_global = mean(GANO == PRIM_GOL, na.rm = TRUE) * 100

)

print("Porcentaje global de victorias al marcar primero:")

## [1] "Porcentaje global de victorias al marcar primero:"

print(porcentaje_global_victorias_al_anotar_primero)

## # A tibble: 1 × 1

## porcentaje_global

## <dbl>

## 1 73.7

#porcentaje de veces q gano si anotaba primero dependiendo del equipo

porcentaje_win_anot <- datos_goles %>%

filter(PRIM_GOL %in% c("local", "visitante") & !is.na(PRIM_GOL)) %>%

group_by(PRIM_GOL) %>%

summarise(

partidos_totales = n(),

victorias = sum(GANO == PRIM_GOL, na.rm = TRUE),

porcentaje_win_anot_calc = (victorias / partidos_totales) * 100,

.groups = 'drop'

)

print("Porcentaje de victorias al marcar primero (Local vs Visitante):")

## [1] "Porcentaje de victorias al marcar primero (Local vs Visitante):"

print(porcentaje_win_anot)

## # A tibble: 2 × 4

## PRIM_GOL partidos_totales victorias porcentaje_win_anot_calc

## <fct> <int> <int> <dbl>

## 1 local 31 26 83.9

## 2 visitante 26 16 61.5

#grafico

if(nrow(porcentaje_win_anot) > 0){

ggplot(porcentaje_win_anot, aes(x = PRIM_GOL, y = porcentaje_win_anot_c

alc, fill = PRIM_GOL)) +

geom_col() +

geom_text(aes(label = paste0(round(porcentaje_win_anot_calc, 1), "%")

), vjust = -0.5) +

labs(

title = "Porcentaje de Victorias al Marcar Primero",

x = "Equipo que Anotó Primero",

y = "Porcentaje de Victorias (%)"

) +

theme_minimal()+scale_fill_manual(

values = c("local" = "#342BA8", "visitante" = "#D93E1F")

)

}

#distribucion cantidad de primeros goles por periodo---------------------

-----------------------------------

periodo_labels <- c("0-15", "15-30", "30-45", "45-60", "60-75", "75-90")

ggplot(datos_goles, aes(x = factor(P_GOL_1, levels = 1:6, labels = period

o_labels))) +

geom_histogram(stat = "count", fill = "#342BA8", color = "white") +

labs(

title = "Frecuencia del Primer Gol por Período",

x = "Período del Partido",

y = "Número de Partidos"

) +

theme_minimal() +

theme(axis.text.x = element_text(angle = 45, hjust = 1))

## Warning in geom_histogram(stat = "count", fill = "#342BA8", color = "w

hite"):

## Ignoring unknown parameters: `binwidth`, `bins`, and `pad`

#cantidad de goles por periodo-------------------------------------------

-------------

goles_por_periodo_agregado <- datos_goles %>%

mutate(

goles_p1 = P1_L + P1_V,

goles_p2 = P2_L + P2_V,

goles_p3 = P3_L + P3_V,

goles_p4 = P4_L + P4_V,

goles_p5 = P5_L + P5_V,

goles_p6 = P6_L + P6_V

) %>%

select(starts_with("goles_p")) %>%

pivot_longer(

cols = everything(),

names_to = "periodo_txt",

values_to = "goles"

) %>%

mutate(

periodo_factor = factor(

periodo_txt,

levels = c("goles_p1", "goles_p2", "goles_p3", "goles_p4", "goles_p

5", "goles_p6", "goles_pr1", "goles_pr2"),

labels = c("0-15", "16-30", "31-45", "46-60", "61-75", "76-90", "Pr

ór. 1", "Prór. 2")

)

goles_porcentaje_periodo_agregado <- goles_por_periodo_agregado %>%

filter(!is.na(goles)) %>%

group_by(periodo_factor) %>%

summarise(total_goles_periodo = sum(goles, na.rm = TRUE), .groups = 'dr

op') %>%

mutate(

porcentaje = (total_goles_periodo / sum(total_goles_periodo, na.rm =

TRUE)) * 100,

etiqueta = sprintf("%.1f%%", porcentaje)

)

print("Porcentaje de goles marcados por período (Agregado):")

## [1] "Porcentaje de goles marcados por período (Agregado):"

# view(goles_porcentaje_periodo_agregado)

#

ggplot(goles_porcentaje_periodo_agregado, aes(x = periodo_factor, y = por

centaje)) +

geom_bar(stat = "identity", fill = "#342BA8", color = "white") +

geom_text(

aes(label = etiqueta),

vjust = -0.5,

size = 3

) +

labs(

title = "Porcentaje de Goles Totales Marcados por Período del Partido

",

x = "Período del Partido",

y = "Porcentaje de Goles (%)"

) +

theme_minimal() +

theme(axis.text.x = element_text(angle = 45, hjust = 1))

#SHAPIRO#################################################################

########

T_mundial=datos_goles%>%filter(TORNEO=="MUNDIAL")

T_G_MUNDIAL=T_mundial$TOTAL_GN

T_eurocopa=datos_goles%>%filter(TORNEO=="EURO COPA")

T_G_EUROCOPA=T_eurocopa$TOTAL_GN

SHAP_MUNDIAL=shapiro.test(T_G_MUNDIAL)

print(SHAP_MUNDIAL)

##

## Shapiro-Wilk normality test

##

## data: T_G_MUNDIAL

## W = 0.86741, p-value = 0.001468

SHAP_EUROCOPA=shapiro.test(T_G_EUROCOPA)

print(SHAP_EUROCOPA)

##

## Shapiro-Wilk normality test

##

## data: T_G_EUROCOPA

## W = 0.82493, p-value = 0.000382

#mann whitney############################################################

#########

resultado_mannwhitney <- wilcox.test(TOTAL_GN ~ TORNEO,

data = datos_goles, # Para Mann-Whit

ney (independientes)

exact = FALSE) # aproxima el p_valor

por tantos empates

print(resultado_mannwhitney)

##

## Wilcoxon rank sum test with continuity correction

##

## data: TOTAL_GN by TORNEO

## W = 372, p-value = 0.587

## alternative hypothesis: true location shift is not equal to 0

medianas <- datos_goles %>%

group_by(TORNEO) %>%

summarise(Mediana_Goles = median(TOTAL_GN))

# view(medianas)

#gg plot --------------------------------------------------------

ggplot(datos_goles, aes(x = TORNEO, y = TOTAL_GN, fill = TORNEO)) +

geom_boxplot() +

scale_fill_manual(

values = c("MUNDIAL" = "#342BA8", "EURO COPA" = "#D93E1F"),

name = "Torneo" # Título de la leyenda

) +

labs(

title = "Distribución de goles por torneo",

x = "Torneo",

y = "Total de goles"

) +

theme_minimal()

#se ve una diferencia en el total de goles debido a q en el mundial el 26

% de sus datos son prorroga. penalties en cambio en eurocopa el 37% de su

s datos son prorroga o penalties haciendo q hayan mas partidos eque acaba

ron en el tiempo reglamentarion en el mundial habiendo mayor cantidad de

goles totales en los 90 minutos

#tabla 1################################################################

# --- PASO 1: Datos por Año ---------------------------------------------

--------------

data_by_year <- datos_goles %>%

group_by(TORNEO, YEAR) %>%

summarise(

val_Matches = n(),

val_Normal = sum(DURACION == "normal", na.rm = TRUE),

val_Prorroga = sum(DURACION == "prorroga", na.rm = TRUE),

val_Penalties = sum(DURACION == "penalties", na.rm = TRUE),

.groups = "drop"

) %>%

mutate(

Display_Column = as.character(YEAR),

Partidos = as.character(val_Matches),

`Partidos terminados en tiempo regular` = as.character(val_Normal),

`Partidos terminados en tiempo adicional` = as.character(val_Prorroga

),

`Partidos terminados en penalties` = as.character(val_Penalties)

) %>%

select(

TORNEO_Group = TORNEO,

Display_Column,

Partidos,

`Partidos terminados en tiempo regular`,

`Partidos terminados en tiempo adicional`,

`Partidos terminados en penalties`

)

# --- PASO 2: Totales por Torneo (con porcentajes) ----------------------

-------------------------------------

data_torneo_totals <- datos_goles %>%

group_by(TORNEO) %>%

summarise(

Num_Matches = n(),

Num_Normal = sum(DURACION == "normal", na.rm = TRUE),

Num_Prorroga = sum(DURACION == "prorroga", na.rm = TRUE),

Num_Penalties = sum(DURACION == "penalties", na.rm = TRUE),

.groups = "drop"

) %>%

mutate(

Display_Column = "Total",

Partidos = sprintf("%d (100.0%%)", Num_Matches),

`Partidos terminados en tiempo regular` = sprintf("%d (%.1f%%)", Num_

Normal, ifelse(Num_Matches == 0, 0, (Num_Normal / Num_Matches) * 100)),

`Partidos terminados en tiempo adicional` = sprintf("%d (%.1f%%)", Nu

m_Prorroga, ifelse(Num_Matches == 0, 0, (Num_Prorroga / Num_Matches) * 10

0)),

`Partidos terminados en penalties` = sprintf("%d (%.1f%%)", Num_Penal

ties, ifelse(Num_Matches == 0, 0, (Num_Penalties / Num_Matches) * 100))

) %>%

select(

TORNEO_Group = TORNEO,

Display_Column,

Partidos,

`Partidos terminados en tiempo regular`,

`Partidos terminados en tiempo adicional`,

`Partidos terminados en penalties`

)

# --- PASO 3: Gran Total (con porcentajes) ------------------------------

-----------------------------

data_grand_total <- datos_goles %>%

summarise(

Num_Matches = n(),

Num_Normal = sum(DURACION == "normal", na.rm = TRUE),

Num_Prorroga = sum(DURACION == "prorroga", na.rm = TRUE),

Num_Penalties = sum(DURACION == "penalties", na.rm = TRUE),

.groups = "drop"

) %>%

mutate(

TORNEO_Group = "Total",

Display_Column = "",

Partidos = sprintf("%d (100.0%%)", Num_Matches),

`Partidos terminados en tiempo regular` = sprintf("%d (%.1f%%)", Num_

Normal, ifelse(Num_Matches == 0, 0, (Num_Normal / Num_Matches) * 100)),

`Partidos terminados en tiempo adicional` = sprintf("%d (%.1f%%)", Nu

m_Prorroga, ifelse(Num_Matches == 0, 0, (Num_Prorroga / Num_Matches) * 10

0)),

`Partidos terminados en penalties` = sprintf("%d (%.1f%%)", Num_Penal

ties, ifelse(Num_Matches == 0, 0, (Num_Penalties / Num_Matches) * 100))

) %>%

select(

TORNEO_Group,

Display_Column,

Partidos,

`Partidos terminados en tiempo regular`,

`Partidos terminados en tiempo adicional`,

`Partidos terminados en penalties`

)

# --- PASO 4: Combinar todos los datos ----------------------------------

-------------------------

combined_data <- bind_rows(data_by_year, data_torneo_totals, data_grand_t

otal) %>%

mutate(

Order_TORNEO_Group = case_when(

TORNEO_Group == "MUNDIAL" ~ 1,

TORNEO_Group == "EURO COPA" ~ 2,

TORNEO_Group == "Total" ~ 3,

TRUE ~ 99

),

Order_Display_Column = ifelse(Display_Column == "Total", 2, 1)

) %>%

arrange(Order_TORNEO_Group, Order_Display_Column, Display_Column) %>%

mutate(

TORNEO_Group = case_when(

TORNEO_Group == "MUNDIAL" ~ "Mundial",

TORNEO_Group == "EURO COPA" ~ "Euro copa",

TRUE ~ TORNEO_Group

)

) %>%

select(-Order_TORNEO_Group, -Order_Display_Column)

# --- PASO 5: Crear la tabla con `gt` -----------------------------------

------------------------

final_table <- combined_data %>%

gt(groupname_col = "TORNEO_Group", rowname_col = "Display_Column") %>%

cols_label(Display_Column = "Year") %>%

tab_header(title = "Resumen de la duración de los partidos por torneo y

año") %>%

cols_align(

align = "right",

columns = c(Partidos, `Partidos terminados en tiempo regular`, `Parti

dos terminados en tiempo adicional`, `Partidos terminados en penalties`)

) %>%

tab_style(

style = cell_text(weight = "bold"),

locations = cells_body(

columns = vars(Display_Column), # La columna que contiene "Año" o "

Total"

rows = Display_Column == "Total" # Condición para aplicar el estilo

)

) %>%

tab_style(

style = cell_text(weight = "bold"),

locations = cells_body(

columns = vars(Display_Column),

rows = Display_Column == ""

)

## Warning: Since gt v0.3.0, `columns = vars(...)` has been deprecated.

## • Please use `columns = c(...)` instead.

## Warning: Since gt v0.3.0, `columns = vars(...)` has been deprecated.

## • Please use `columns = c(...)` instead.

# Mostrar la tabla

print(final_table)

## <div id="urcnejsbda" style="padding-left:0px;padding-right:0px;padding

-top:10px;padding-bottom:10px;overflow-x:auto;overflow-y:auto;width:auto;

height:auto;">

## <style>#urcnejsbda table {

## font-family: system-ui, 'Segoe UI', Roboto, Helvetica, Arial, sans-s

erif, 'Apple Color Emoji', 'Segoe UI Emoji', 'Segoe UI Symbol', 'Noto Col

or Emoji';

## -webkit-font-smoothing: antialiased;

## -moz-osx-font-smoothing: grayscale;

## }

##

## #urcnejsbda thead, #urcnejsbda tbody, #urcnejsbda tfoot, #urcnejsbda t

r, #urcnejsbda td, #urcnejsbda th {

## border-style: none;

## }

##

## #urcnejsbda p {

## margin: 0;

## padding: 0;

## }

##

## #urcnejsbda .gt_table {

## display: table;

## border-collapse: collapse;

## line-height: normal;

## margin-left: auto;

## margin-right: auto;

## color: #333333;

## font-size: 16px;

## font-weight: normal;

## font-style: normal;

## background-color: #FFFFFF;

## width: auto;

## border-top-style: solid;

## border-top-width: 2px;

## border-top-color: #A8A8A8;

## border-right-style: none;

## border-right-width: 2px;

## border-right-color: #D3D3D3;

## border-bottom-style: solid;

## border-bottom-width: 2px;

## border-bottom-color: #A8A8A8;

## border-left-style: none;

## border-left-width: 2px;

## border-left-color: #D3D3D3;

## }

##

## #urcnejsbda .gt_caption {

## padding-top: 4px;

## padding-bottom: 4px;

## }

##

## #urcnejsbda .gt_title {

## color: #333333;

## font-size: 125%;

## font-weight: initial;

## padding-top: 4px;

## padding-bottom: 4px;

## padding-left: 5px;

## padding-right: 5px;

## border-bottom-color: #FFFFFF;

## border-bottom-width: 0;

## }

##

## #urcnejsbda .gt_subtitle {

## color: #333333;

## font-size: 85%;

## font-weight: initial;

## padding-top: 3px;

## padding-bottom: 5px;

## padding-left: 5px;

## padding-right: 5px;

## border-top-color: #FFFFFF;

## border-top-width: 0;

## }

##

## #urcnejsbda .gt_heading {

## background-color: #FFFFFF;

## text-align: center;

## border-bottom-color: #FFFFFF;

## border-left-style: none;

## border-left-width: 1px;

## border-left-color: #D3D3D3;

## border-right-style: none;

## border-right-width: 1px;

## border-right-color: #D3D3D3;

## }

##

## #urcnejsbda .gt_bottom_border {

## border-bottom-style: solid;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## }

##

## #urcnejsbda .gt_col_headings {

## border-top-style: solid;

## border-top-width: 2px;

## border-top-color: #D3D3D3;

## border-bottom-style: solid;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## border-left-style: none;

## border-left-width: 1px;

## border-left-color: #D3D3D3;

## border-right-style: none;

## border-right-width: 1px;

## border-right-color: #D3D3D3;

## }

##

## #urcnejsbda .gt_col_heading {

## color: #333333;

## background-color: #FFFFFF;

## font-size: 100%;

## font-weight: normal;

## text-transform: inherit;

## border-left-style: none;

## border-left-width: 1px;

## border-left-color: #D3D3D3;

## border-right-style: none;

## border-right-width: 1px;

## border-right-color: #D3D3D3;

## vertical-align: bottom;

## padding-top: 5px;

## padding-bottom: 6px;

## padding-left: 5px;

## padding-right: 5px;

## overflow-x: hidden;

## }

##

## #urcnejsbda .gt_column_spanner_outer {

## color: #333333;

## background-color: #FFFFFF;

## font-size: 100%;

## font-weight: normal;

## text-transform: inherit;

## padding-top: 0;

## padding-bottom: 0;

## padding-left: 4px;

## padding-right: 4px;

## }

##

## #urcnejsbda .gt_column_spanner_outer:first-child {

## padding-left: 0;

## }

##

## #urcnejsbda .gt_column_spanner_outer:last-child {

## padding-right: 0;

## }

##

## #urcnejsbda .gt_column_spanner {

## border-bottom-style: solid;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## vertical-align: bottom;

## padding-top: 5px;

## padding-bottom: 5px;

## overflow-x: hidden;

## display: inline-block;

## width: 100%;

## }

##

## #urcnejsbda .gt_spanner_row {

## border-bottom-style: hidden;

## }

##

## #urcnejsbda .gt_group_heading {

## padding-top: 8px;

## padding-bottom: 8px;

## padding-left: 5px;

## padding-right: 5px;

## color: #333333;

## background-color: #FFFFFF;

## font-size: 100%;

## font-weight: initial;

## text-transform: inherit;

## border-top-style: solid;

## border-top-width: 2px;

## border-top-color: #D3D3D3;

## border-bottom-style: solid;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## border-left-style: none;

## border-left-width: 1px;

## border-left-color: #D3D3D3;

## border-right-style: none;

## border-right-width: 1px;

## border-right-color: #D3D3D3;

## vertical-align: middle;

## text-align: left;

## }

##

## #urcnejsbda .gt_empty_group_heading {

## padding: 0.5px;

## color: #333333;

## background-color: #FFFFFF;

## font-size: 100%;

## font-weight: initial;

## border-top-style: solid;

## border-top-width: 2px;

## border-top-color: #D3D3D3;

## border-bottom-style: solid;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## vertical-align: middle;

## }

##

## #urcnejsbda .gt_from_md > :first-child {

## margin-top: 0;

## }

##

## #urcnejsbda .gt_from_md > :last-child {

## margin-bottom: 0;

## }

##

## #urcnejsbda .gt_row {

## padding-top: 8px;

## padding-bottom: 8px;

## padding-left: 5px;

## padding-right: 5px;

## margin: 10px;

## border-top-style: solid;

## border-top-width: 1px;

## border-top-color: #D3D3D3;

## border-left-style: none;

## border-left-width: 1px;

## border-left-color: #D3D3D3;

## border-right-style: none;

## border-right-width: 1px;

## border-right-color: #D3D3D3;

## vertical-align: middle;

## overflow-x: hidden;

## }

##

## #urcnejsbda .gt_stub {

## color: #333333;

## background-color: #FFFFFF;

## font-size: 100%;

## font-weight: initial;

## text-transform: inherit;

## border-right-style: solid;

## border-right-width: 2px;

## border-right-color: #D3D3D3;

## padding-left: 5px;

## padding-right: 5px;

## }

##

## #urcnejsbda .gt_stub_row_group {

## color: #333333;

## background-color: #FFFFFF;

## font-size: 100%;

## font-weight: initial;

## text-transform: inherit;

## border-right-style: solid;

## border-right-width: 2px;

## border-right-color: #D3D3D3;

## padding-left: 5px;

## padding-right: 5px;

## vertical-align: top;

## }

##

## #urcnejsbda .gt_row_group_first td {

## border-top-width: 2px;

## }

##

## #urcnejsbda .gt_row_group_first th {

## border-top-width: 2px;

## }

##

## #urcnejsbda .gt_summary_row {

## color: #333333;

## background-color: #FFFFFF;

## text-transform: inherit;

## padding-top: 8px;

## padding-bottom: 8px;

## padding-left: 5px;

## padding-right: 5px;

## }

##

## #urcnejsbda .gt_first_summary_row {

## border-top-style: solid;

## border-top-color: #D3D3D3;

## }

##

## #urcnejsbda .gt_first_summary_row.thick {

## border-top-width: 2px;

## }

##

## #urcnejsbda .gt_last_summary_row {

## padding-top: 8px;

## padding-bottom: 8px;

## padding-left: 5px;

## padding-right: 5px;

## border-bottom-style: solid;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## }

##

## #urcnejsbda .gt_grand_summary_row {

## color: #333333;

## background-color: #FFFFFF;

## text-transform: inherit;

## padding-top: 8px;

## padding-bottom: 8px;

## padding-left: 5px;

## padding-right: 5px;

## }

##

## #urcnejsbda .gt_first_grand_summary_row {

## padding-top: 8px;

## padding-bottom: 8px;

## padding-left: 5px;

## padding-right: 5px;

## border-top-style: double;

## border-top-width: 6px;

## border-top-color: #D3D3D3;

## }

##

## #urcnejsbda .gt_last_grand_summary_row_top {

## padding-top: 8px;

## padding-bottom: 8px;

## padding-left: 5px;

## padding-right: 5px;

## border-bottom-style: double;

## border-bottom-width: 6px;

## border-bottom-color: #D3D3D3;

## }

##

## #urcnejsbda .gt_striped {

## background-color: rgba(128, 128, 128, 0.05);

## }

##

## #urcnejsbda .gt_table_body {

## border-top-style: solid;

## border-top-width: 2px;

## border-top-color: #D3D3D3;

## border-bottom-style: solid;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## }

##

## #urcnejsbda .gt_footnotes {

## color: #333333;

## background-color: #FFFFFF;

## border-bottom-style: none;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## border-left-style: none;

## border-left-width: 2px;

## border-left-color: #D3D3D3;

## border-right-style: none;

## border-right-width: 2px;

## border-right-color: #D3D3D3;

## }

##

## #urcnejsbda .gt_footnote {

## margin: 0px;

## font-size: 90%;

## padding-top: 4px;

## padding-bottom: 4px;

## padding-left: 5px;

## padding-right: 5px;

## }

##

## #urcnejsbda .gt_sourcenotes {

## color: #333333;

## background-color: #FFFFFF;

## border-bottom-style: none;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## border-left-style: none;

## border-left-width: 2px;

## border-left-color: #D3D3D3;

## border-right-style: none;

## border-right-width: 2px;

## border-right-color: #D3D3D3;

## }

##

## #urcnejsbda .gt_sourcenote {

## font-size: 90%;

## padding-top: 4px;

## padding-bottom: 4px;

## padding-left: 5px;

## padding-right: 5px;

## }

##

## #urcnejsbda .gt_left {

## text-align: left;

## }

##

## #urcnejsbda .gt_center {

## text-align: center;

## }

##

## #urcnejsbda .gt_right {

## text-align: right;

## font-variant-numeric: tabular-nums;

## }

##

## #urcnejsbda .gt_font_normal {

## font-weight: normal;

## }

##

## #urcnejsbda .gt_font_bold {

## font-weight: bold;

## }

##

## #urcnejsbda .gt_font_italic {

## font-style: italic;

## }

##

## #urcnejsbda .gt_super {

## font-size: 65%;

## }

##

## #urcnejsbda .gt_footnote_marks {

## font-size: 75%;

## vertical-align: 0.4em;

## position: initial;

## }

##

## #urcnejsbda .gt_asterisk {

## font-size: 100%;

## vertical-align: 0;

## }

##

## #urcnejsbda .gt_indent_1 {

## text-indent: 5px;

## }

##

## #urcnejsbda .gt_indent_2 {

## text-indent: 10px;

## }

##

## #urcnejsbda .gt_indent_3 {

## text-indent: 15px;

## }

##

## #urcnejsbda .gt_indent_4 {

## text-indent: 20px;

## }

##

## #urcnejsbda .gt_indent_5 {

## text-indent: 25px;

## }

##

## #urcnejsbda .katex-display {

## display: inline-flex !important;

## margin-bottom: 0.75em !important;

## }

##

## #urcnejsbda div.Reactable > div.rt-table > div.rt-thead > div.rt-tr.rt

-tr-group-header > div.rt-th-group:after {

## height: 0px !important;

## }

## </style>

## <table class="gt_table" data-quarto-disable-processing="false" data-

quarto-bootstrap="false">

## <thead>

## <tr class="gt_heading">

## <td colspan="5" class="gt_heading gt_title gt_font_normal gt_bot

tom_border" style>Resumen de la duración de los partidos por torneo y año

</td>

## </tr>

##

## <tr class="gt_col_headings">

## <th class="gt_col_heading gt_columns_bottom_border gt_left" rows

pan="1" colspan="1" scope="col" id="a::stub"></th>

## <th class="gt_col_heading gt_columns_bottom_border gt_right" row

span="1" colspan="1" scope="col" id="Partidos">Partidos</th>

## <th class="gt_col_heading gt_columns_bottom_border gt_right" row

span="1" colspan="1" scope="col" id="Partidos-terminados-en-tiempo-regula

r">Partidos terminados en tiempo regular</th>

## <th class="gt_col_heading gt_columns_bottom_border gt_right" row

span="1" colspan="1" scope="col" id="Partidos-terminados-en-tiempo-adicio

nal">Partidos terminados en tiempo adicional</th>

## <th class="gt_col_heading gt_columns_bottom_border gt_right" row

span="1" colspan="1" scope="col" id="Partidos-terminados-en-penalties">Pa

rtidos terminados en penalties</th>

## </tr>

## </thead>

## <tbody class="gt_table_body">

## <tr class="gt_group_heading_row">

## <th colspan="5" class="gt_group_heading" scope="colgroup" id="Mu

ndial">Mundial</th>

## </tr>

## <tr class="gt_row_group_first"><th id="stub_1_1" scope="row" class

="gt_row gt_left gt_stub">2018</th>

## <td headers="Mundial stub_1_1 Partidos" class="gt_row gt_right">16</td

>

## <td headers="Mundial stub_1_1 Partidos terminados en tiempo regular" c

lass="gt_row gt_right">11</td>

## <td headers="Mundial stub_1_1 Partidos terminados en tiempo adicional"

class="gt_row gt_right">1</td>

## <td headers="Mundial stub_1_1 Partidos terminados en penalties" class=

"gt_row gt_right">4</td></tr>

## <tr><th id="stub_1_2" scope="row" class="gt_row gt_left gt_stub">2

022</th>

## <td headers="Mundial stub_1_2 Partidos" class="gt_row gt_right">14</td

>

## <td headers="Mundial stub_1_2 Partidos terminados en tiempo regular" c

lass="gt_row gt_right">11</td>

## <td headers="Mundial stub_1_2 Partidos terminados en tiempo adicional"

class="gt_row gt_right">0</td>

## <td headers="Mundial stub_1_2 Partidos terminados en penalties" class=

"gt_row gt_right">3</td></tr>

## <tr><th id="stub_1_3" scope="row" class="gt_row gt_left gt_stub">T

otal</th>

## <td headers="Mundial stub_1_3 Partidos" class="gt_row gt_right">30 (10

0.0%)</td>

## <td headers="Mundial stub_1_3 Partidos terminados en tiempo regular" c

lass="gt_row gt_right">22 (73.3%)</td>

## <td headers="Mundial stub_1_3 Partidos terminados en tiempo adicional"

class="gt_row gt_right">1 (3.3%)</td>

## <td headers="Mundial stub_1_3 Partidos terminados en penalties" class=

"gt_row gt_right">7 (23.3%)</td></tr>

## <tr class="gt_group_heading_row">

## <th colspan="5" class="gt_group_heading" scope="colgroup" id="Eu

ro copa">Euro copa</th>

## </tr>

## <tr class="gt_row_group_first"><th id="stub_1_4" scope="row" class

="gt_row gt_left gt_stub">2020</th>

## <td headers="Euro copa stub_1_4 Partidos" class="gt_row gt_right">14</

td>

## <td headers="Euro copa stub_1_4 Partidos terminados en tiempo regular"

class="gt_row gt_right">7</td>

## <td headers="Euro copa stub_1_4 Partidos terminados en tiempo adiciona

l" class="gt_row gt_right">3</td>

## <td headers="Euro copa stub_1_4 Partidos terminados en penalties" clas

s="gt_row gt_right">4</td></tr>

## <tr><th id="stub_1_5" scope="row" class="gt_row gt_left gt_stub">2

024</th>

## <td headers="Euro copa stub_1_5 Partidos" class="gt_row gt_right">13</

td>

## <td headers="Euro copa stub_1_5 Partidos terminados en tiempo regular"

class="gt_row gt_right">10</td>

## <td headers="Euro copa stub_1_5 Partidos terminados en tiempo adiciona

l" class="gt_row gt_right">2</td>

## <td headers="Euro copa stub_1_5 Partidos terminados en penalties" clas

s="gt_row gt_right">1</td></tr>

## <tr><th id="stub_1_6" scope="row" class="gt_row gt_left gt_stub">T

otal</th>

## <td headers="Euro copa stub_1_6 Partidos" class="gt_row gt_right">27 (

100.0%)</td>

## <td headers="Euro copa stub_1_6 Partidos terminados en tiempo regular"

class="gt_row gt_right">17 (63.0%)</td>

## <td headers="Euro copa stub_1_6 Partidos terminados en tiempo adiciona

l" class="gt_row gt_right">5 (18.5%)</td>

## <td headers="Euro copa stub_1_6 Partidos terminados en penalties" clas

s="gt_row gt_right">5 (18.5%)</td></tr>

## <tr class="gt_group_heading_row">

## <th colspan="5" class="gt_group_heading" scope="colgroup" id="To

tal">Total</th>

## </tr>

## <tr class="gt_row_group_first"><th id="stub_1_7" scope="row" class

="gt_row gt_left gt_stub"></th>

## <td headers="Total stub_1_7 Partidos" class="gt_row gt_right">57 (100.

0%)</td>

## <td headers="Total stub_1_7 Partidos terminados en tiempo regular" cla

ss="gt_row gt_right">39 (68.4%)</td>

## <td headers="Total stub_1_7 Partidos terminados en tiempo adicional" c

lass="gt_row gt_right">6 (10.5%)</td>

## <td headers="Total stub_1_7 Partidos terminados en penalties" class="g

t_row gt_right">12 (21.1%)</td></tr>

## </tbody>

##

## </table>

## </div>

#tabla 2################################################################

# Paso 1: Calcular estadísticas por TORNEO y DURACION--------------------

------------------------------------

stats_por_torneo <- datos_goles %>%

filter(PRIM_GOL %in% c("local", "visitante")) %>%

mutate(primero_marco_y_gano = (PRIM_GOL == GANO & !is.na(GANO))) %>%

group_by(TORNEO, DURACION) %>%

summarise(

total_partidos_con_primer_gol = n(),

partidos_ganados_por_quien_marco_primero = sum(primero_marco_y_gano,

na.rm = TRUE),

.groups = 'drop'

) %>%

mutate(

porcentaje_victoria_marcando_primero = ifelse(total_partidos_con_prim

er_gol == 0, 0,

(partidos_ganados_por_q

uien_marco_primero / total_partidos_con_primer_gol) * 100)

)

# Paso 2: Calcular estadísticas para el TOTAL GENERAL (Ambas Competicione

s)--------------------------------------------------------

stats_total_general <- datos_goles %>%

filter(PRIM_GOL %in% c("local", "visitante")) %>%

mutate(primero_marco_y_gano = (PRIM_GOL == GANO & !is.na(GANO))) %>%

group_by(DURACION) %>%

summarise(

total_partidos_con_primer_gol = n(),

partidos_ganados_por_quien_marco_primero = sum(primero_marco_y_gano,

na.rm = TRUE),

.groups = 'drop'

) %>%

mutate(

porcentaje_victoria_marcando_primero = ifelse(total_partidos_con_prim

er_gol == 0, 0,

(partidos_ganados_por_q

uien_marco_primero / total_partidos_con_primer_gol) * 100),

TORNEO = "Total"

)

all_percentages_data <- bind_rows(

stats_por_torneo %>% select(TORNEO, DURACION, porcentaje_victoria_marca

ndo_primero),

stats_total_general %>% select(TORNEO, DURACION, porcentaje_victoria_ma

rcando_primero)

) %>%

rename(percentage = porcentaje_victoria_marcando_primero)

# --- PASO 3 (REVISADO): Pivotar los datos a formato ancho --------------

---------------------------------------------

tabla_datos_ancha <- all_percentages_data %>%

mutate(

Competición = case_when(

TORNEO == "MUNDIAL" ~ "Mundial", #Modificado para que coincida con

el print de tabla3

TORNEO == "EURO COPA" ~ "Euro copa",

TORNEO == "Total" ~ "Total",

TRUE ~ as.character(TORNEO)

),

`Condición_Duracion` = case_when(

DURACION == "normal" ~ "Efecto de marcar primero en el tiempo regla

mentario",

DURACION == "prorroga" ~ "Efecto de marcar primero en el tiempo Aña

dido",

DURACION == "penalties" ~ "Efecto de marcar primero en los penaltis

",

TRUE ~ as.character(DURACION)

)

) %>%

select(Competición, `Condición_Duracion`, percentage) %>%

pivot_wider(names_from = `Condición_Duracion`, values_from = percentage

) %>%

mutate(

Competición_Order = case_when(

Competición == "Mundial" ~ 1,

Competición == "Euro copa" ~ 2,

Competición == "Total" ~ 3,

TRUE ~ 4

)

) %>%

arrange(Competición_Order) %>%

select(-Competición_Order)

# --- PASO 4 (REVISADO): Crear la tabla gt con el formato ancho ---------

--------------------------------------------------

tabla_gt_ancha_final <- tabla_datos_ancha %>%

gt() %>%

cols_label(

Competición = md("**Competición**"),

`Efecto de marcar primero en el tiempo reglamentario` = md("**Efecto

de marcar primero en el tiempo reglamentario**"),

`Efecto de marcar primero en el tiempo Añadido` = md("**Efecto de mar

car primero en el tiempo Añadido**"),

`Efecto de marcar primero en los penaltis` = md("**Efecto de marcar p

rimero en los penaltis**")

) %>%

fmt_number(

columns = c("Efecto de marcar primero en el tiempo reglamentario", "E

fecto de marcar primero en el tiempo Añadido", "Efecto de marcar primero

en los penaltis"),

decimals = 2,

pattern = "{x}%"

) %>%

tab_header(

title = md("**Tabla 2: Efecto de Marcar Primero en Ganar el Partido**

"),

subtitle = md("Porcentaje de victorias del equipo que marcó primero,

según duración del partido.")

) %>%

tab_spanner(

label = md("**% de Victorias al Marcar Primero**"),

columns = c("Efecto de marcar primero en el tiempo reglamentario", "E

fecto de marcar primero en el tiempo Añadido", "Efecto de marcar primero

en los penaltis")

) %>%

cols_align(

align = "center",

columns = c("Efecto de marcar primero en el tiempo reglamentario", "E

fecto de marcar primero en el tiempo Añadido", "Efecto de marcar primero

en los penaltis")

) %>%

cols_align(

align = "left",

columns = vars(Competición)

) %>%

opt_table_lines("default")

## Warning: Since gt v0.3.0, `columns = vars(...)` has been deprecated.

## • Please use `columns = c(...)` instead.

print(tabla_gt_ancha_final)

## <div id="cmsktbmhyl" style="padding-left:0px;padding-right:0px;padding

-top:10px;padding-bottom:10px;overflow-x:auto;overflow-y:auto;width:auto;

height:auto;">

## <style>#cmsktbmhyl table {

## font-family: system-ui, 'Segoe UI', Roboto, Helvetica, Arial, sans-s

erif, 'Apple Color Emoji', 'Segoe UI Emoji', 'Segoe UI Symbol', 'Noto Col

or Emoji';

## -webkit-font-smoothing: antialiased;

## -moz-osx-font-smoothing: grayscale;

## }

##

## #cmsktbmhyl thead, #cmsktbmhyl tbody, #cmsktbmhyl tfoot, #cmsktbmhyl t

r, #cmsktbmhyl td, #cmsktbmhyl th {

## border-style: none;

## }

##

## #cmsktbmhyl p {

## margin: 0;

## padding: 0;

## }

##

## #cmsktbmhyl .gt_table {

## display: table;

## border-collapse: collapse;

## line-height: normal;

## margin-left: auto;

## margin-right: auto;

## color: #333333;

## font-size: 16px;

## font-weight: normal;

## font-style: normal;

## background-color: #FFFFFF;

## width: auto;

## border-top-style: solid;

## border-top-width: 2px;

## border-top-color: #A8A8A8;

## border-right-style: none;

## border-right-width: 2px;

## border-right-color: #D3D3D3;

## border-bottom-style: solid;

## border-bottom-width: 2px;

## border-bottom-color: #A8A8A8;

## border-left-style: none;

## border-left-width: 2px;

## border-left-color: #D3D3D3;

## }

##

## #cmsktbmhyl .gt_caption {

## padding-top: 4px;

## padding-bottom: 4px;

## }

##

## #cmsktbmhyl .gt_title {

## color: #333333;

## font-size: 125%;

## font-weight: initial;

## padding-top: 4px;

## padding-bottom: 4px;

## padding-left: 5px;

## padding-right: 5px;

## border-bottom-color: #FFFFFF;

## border-bottom-width: 0;

## }

##

## #cmsktbmhyl .gt_subtitle {

## color: #333333;

## font-size: 85%;

## font-weight: initial;

## padding-top: 3px;

## padding-bottom: 5px;

## padding-left: 5px;

## padding-right: 5px;

## border-top-color: #FFFFFF;

## border-top-width: 0;

## }

##

## #cmsktbmhyl .gt_heading {

## background-color: #FFFFFF;

## text-align: center;

## border-bottom-color: #FFFFFF;

## border-left-style: none;

## border-left-width: 1px;

## border-left-color: #D3D3D3;

## border-right-style: none;

## border-right-width: 1px;

## border-right-color: #D3D3D3;

## }

##

## #cmsktbmhyl .gt_bottom_border {

## border-bottom-style: solid;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## }

##

## #cmsktbmhyl .gt_col_headings {

## border-top-style: solid;

## border-top-width: 2px;

## border-top-color: #D3D3D3;

## border-bottom-style: solid;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## border-left-style: none;

## border-left-width: 1px;

## border-left-color: #D3D3D3;

## border-right-style: none;

## border-right-width: 1px;

## border-right-color: #D3D3D3;

## }

##

## #cmsktbmhyl .gt_col_heading {

## color: #333333;

## background-color: #FFFFFF;

## font-size: 100%;

## font-weight: normal;

## text-transform: inherit;

## border-left-style: none;

## border-left-width: 1px;

## border-left-color: #D3D3D3;

## border-right-style: none;

## border-right-width: 1px;

## border-right-color: #D3D3D3;

## vertical-align: bottom;

## padding-top: 5px;

## padding-bottom: 6px;

## padding-left: 5px;

## padding-right: 5px;

## overflow-x: hidden;

## }

##

## #cmsktbmhyl .gt_column_spanner_outer {

## color: #333333;

## background-color: #FFFFFF;

## font-size: 100%;

## font-weight: normal;

## text-transform: inherit;

## padding-top: 0;

## padding-bottom: 0;

## padding-left: 4px;

## padding-right: 4px;

## }

##

## #cmsktbmhyl .gt_column_spanner_outer:first-child {

## padding-left: 0;

## }

##

## #cmsktbmhyl .gt_column_spanner_outer:last-child {

## padding-right: 0;

## }

##

## #cmsktbmhyl .gt_column_spanner {

## border-bottom-style: solid;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## vertical-align: bottom;

## padding-top: 5px;

## padding-bottom: 5px;

## overflow-x: hidden;

## display: inline-block;

## width: 100%;

## }

##

## #cmsktbmhyl .gt_spanner_row {

## border-bottom-style: hidden;

## }

##

## #cmsktbmhyl .gt_group_heading {

## padding-top: 8px;

## padding-bottom: 8px;

## padding-left: 5px;

## padding-right: 5px;

## color: #333333;

## background-color: #FFFFFF;

## font-size: 100%;

## font-weight: initial;

## text-transform: inherit;

## border-top-style: solid;

## border-top-width: 2px;

## border-top-color: #D3D3D3;

## border-bottom-style: solid;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## border-left-style: none;

## border-left-width: 1px;

## border-left-color: #D3D3D3;

## border-right-style: none;

## border-right-width: 1px;

## border-right-color: #D3D3D3;

## vertical-align: middle;

## text-align: left;

## }

##

## #cmsktbmhyl .gt_empty_group_heading {

## padding: 0.5px;

## color: #333333;

## background-color: #FFFFFF;

## font-size: 100%;

## font-weight: initial;

## border-top-style: solid;

## border-top-width: 2px;

## border-top-color: #D3D3D3;

## border-bottom-style: solid;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## vertical-align: middle;

## }

##

## #cmsktbmhyl .gt_from_md > :first-child {

## margin-top: 0;

## }

##

## #cmsktbmhyl .gt_from_md > :last-child {

## margin-bottom: 0;

## }

##

## #cmsktbmhyl .gt_row {

## padding-top: 8px;

## padding-bottom: 8px;

## padding-left: 5px;

## padding-right: 5px;

## margin: 10px;

## border-top-style: solid;

## border-top-width: 1px;

## border-top-color: #D3D3D3;

## border-left-style: none;

## border-left-width: 1px;

## border-left-color: #D3D3D3;

## border-right-style: none;

## border-right-width: 1px;

## border-right-color: #D3D3D3;

## vertical-align: middle;

## overflow-x: hidden;

## }

##

## #cmsktbmhyl .gt_stub {

## color: #333333;

## background-color: #FFFFFF;

## font-size: 100%;

## font-weight: initial;

## text-transform: inherit;

## border-right-style: solid;

## border-right-width: 2px;

## border-right-color: #D3D3D3;

## padding-left: 5px;

## padding-right: 5px;

## }

##

## #cmsktbmhyl .gt_stub_row_group {

## color: #333333;

## background-color: #FFFFFF;

## font-size: 100%;

## font-weight: initial;

## text-transform: inherit;

## border-right-style: solid;

## border-right-width: 2px;

## border-right-color: #D3D3D3;

## padding-left: 5px;

## padding-right: 5px;

## vertical-align: top;

## }

##

## #cmsktbmhyl .gt_row_group_first td {

## border-top-width: 2px;

## }

##

## #cmsktbmhyl .gt_row_group_first th {

## border-top-width: 2px;

## }

##

## #cmsktbmhyl .gt_summary_row {

## color: #333333;

## background-color: #FFFFFF;

## text-transform: inherit;

## padding-top: 8px;

## padding-bottom: 8px;

## padding-left: 5px;

## padding-right: 5px;

## }

##

## #cmsktbmhyl .gt_first_summary_row {

## border-top-style: solid;

## border-top-color: #D3D3D3;

## }

##

## #cmsktbmhyl .gt_first_summary_row.thick {

## border-top-width: 2px;

## }

##

## #cmsktbmhyl .gt_last_summary_row {

## padding-top: 8px;

## padding-bottom: 8px;

## padding-left: 5px;

## padding-right: 5px;

## border-bottom-style: solid;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## }

##

## #cmsktbmhyl .gt_grand_summary_row {

## color: #333333;

## background-color: #FFFFFF;

## text-transform: inherit;

## padding-top: 8px;

## padding-bottom: 8px;

## padding-left: 5px;

## padding-right: 5px;

## }

##

## #cmsktbmhyl .gt_first_grand_summary_row {

## padding-top: 8px;

## padding-bottom: 8px;

## padding-left: 5px;

## padding-right: 5px;

## border-top-style: double;

## border-top-width: 6px;

## border-top-color: #D3D3D3;

## }

##

## #cmsktbmhyl .gt_last_grand_summary_row_top {

## padding-top: 8px;

## padding-bottom: 8px;

## padding-left: 5px;

## padding-right: 5px;

## border-bottom-style: double;

## border-bottom-width: 6px;

## border-bottom-color: #D3D3D3;

## }

##

## #cmsktbmhyl .gt_striped {

## background-color: rgba(128, 128, 128, 0.05);

## }

##

## #cmsktbmhyl .gt_table_body {

## border-top-style: solid;

## border-top-width: 2px;

## border-top-color: #D3D3D3;

## border-bottom-style: solid;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## }

##

## #cmsktbmhyl .gt_footnotes {

## color: #333333;

## background-color: #FFFFFF;

## border-bottom-style: none;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## border-left-style: none;

## border-left-width: 2px;

## border-left-color: #D3D3D3;

## border-right-style: none;

## border-right-width: 2px;

## border-right-color: #D3D3D3;

## }

##

## #cmsktbmhyl .gt_footnote {

## margin: 0px;

## font-size: 90%;

## padding-top: 4px;

## padding-bottom: 4px;

## padding-left: 5px;

## padding-right: 5px;

## }

##

## #cmsktbmhyl .gt_sourcenotes {

## color: #333333;

## background-color: #FFFFFF;

## border-bottom-style: none;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## border-left-style: none;

## border-left-width: 2px;

## border-left-color: #D3D3D3;

## border-right-style: none;

## border-right-width: 2px;

## border-right-color: #D3D3D3;

## }

##

## #cmsktbmhyl .gt_sourcenote {

## font-size: 90%;

## padding-top: 4px;

## padding-bottom: 4px;

## padding-left: 5px;

## padding-right: 5px;

## }

##

## #cmsktbmhyl .gt_left {

## text-align: left;

## }

##

## #cmsktbmhyl .gt_center {

## text-align: center;

## }

##

## #cmsktbmhyl .gt_right {

## text-align: right;

## font-variant-numeric: tabular-nums;

## }

##

## #cmsktbmhyl .gt_font_normal {

## font-weight: normal;

## }

##

## #cmsktbmhyl .gt_font_bold {

## font-weight: bold;

## }

##

## #cmsktbmhyl .gt_font_italic {

## font-style: italic;

## }

##

## #cmsktbmhyl .gt_super {

## font-size: 65%;

## }

##

## #cmsktbmhyl .gt_footnote_marks {

## font-size: 75%;

## vertical-align: 0.4em;

## position: initial;

## }

##

## #cmsktbmhyl .gt_asterisk {

## font-size: 100%;

## vertical-align: 0;

## }

##

## #cmsktbmhyl .gt_indent_1 {

## text-indent: 5px;

## }

##

## #cmsktbmhyl .gt_indent_2 {

## text-indent: 10px;

## }

##

## #cmsktbmhyl .gt_indent_3 {

## text-indent: 15px;

## }

##

## #cmsktbmhyl .gt_indent_4 {

## text-indent: 20px;

## }

##

## #cmsktbmhyl .gt_indent_5 {

## text-indent: 25px;

## }

##

## #cmsktbmhyl .katex-display {

## display: inline-flex !important;

## margin-bottom: 0.75em !important;

## }

##

## #cmsktbmhyl div.Reactable > div.rt-table > div.rt-thead > div.rt-tr.rt

-tr-group-header > div.rt-th-group:after {

## height: 0px !important;

## }

## </style>

## <table class="gt_table" data-quarto-disable-processing="false" data-

quarto-bootstrap="false">

## <thead>

## <tr class="gt_heading">

## <td colspan="4" class="gt_heading gt_title gt_font_normal" style

><span class='gt_from_md'><strong>Tabla 2: Efecto de Marcar Primero en Ga

nar el Partido</strong></span></td>

## </tr>

## <tr class="gt_heading">

## <td colspan="4" class="gt_heading gt_subtitle gt_font_normal gt_

bottom_border" style><span class='gt_from_md'>Porcentaje de victorias del

equipo que marcó primero, según duración del partido.</span></td>

## </tr>

## <tr class="gt_col_headings gt_spanner_row">

## <th class="gt_col_heading gt_columns_bottom_border gt_left" rows

pan="2" colspan="1" scope="col" id="Competición"><span class='gt_from_md'

><strong>Competición</strong></span></th>

## <th class="gt_center gt_columns_top_border gt_column_spanner_out

er" rowspan="1" colspan="3" scope="colgroup" id="**% de Victorias al Marc

ar Primero**">

## <div class="gt_column_spanner"><span class='gt_from_md'><stron

g>% de Victorias al Marcar Primero</strong></span></div>

## </th>

## </tr>

## <tr class="gt_col_headings">

## <th class="gt_col_heading gt_columns_bottom_border gt_center" ro

wspan="1" colspan="1" scope="col" id="Efecto-de-marcar-primero-en-el-tiem

po-reglamentario"><span class='gt_from_md'><strong>Efecto de marcar prime

ro en el tiempo reglamentario</strong></span></th>

## <th class="gt_col_heading gt_columns_bottom_border gt_center" ro

wspan="1" colspan="1" scope="col" id="Efecto-de-marcar-primero-en-el-tiem

po-Añadido"><span class='gt_from_md'><strong>Efecto de marcar primero en

el tiempo Añadido</strong></span></th>

## <th class="gt_col_heading gt_columns_bottom_border gt_center" ro

wspan="1" colspan="1" scope="col" id="Efecto-de-marcar-primero-en-los-pen

altis"><span class='gt_from_md'><strong>Efecto de marcar primero en los p

enaltis</strong></span></th>

## </tr>

## </thead>

## <tbody class="gt_table_body">

## <tr><td headers="Competición" class="gt_row gt_left">Mundial</td>

## <td headers="Efecto de marcar primero en el tiempo reglamentario" clas

s="gt_row gt_center">95.45%</td>

## <td headers="Efecto de marcar primero en el tiempo Añadido" class="gt_

row gt_center">0.00%</td>

## <td headers="Efecto de marcar primero en los penaltis" class="gt_row g

t_center">42.86%</td></tr>

## <tr><td headers="Competición" class="gt_row gt_left">Euro copa</td

>

## <td headers="Efecto de marcar primero en el tiempo reglamentario" clas

s="gt_row gt_center">76.47%</td>

## <td headers="Efecto de marcar primero en el tiempo Añadido" class="gt_

row gt_center">40.00%</td>

## <td headers="Efecto de marcar primero en los penaltis" class="gt_row g

t_center">60.00%</td></tr>

## <tr><td headers="Competición" class="gt_row gt_left">Total</td>

## <td headers="Efecto de marcar primero en el tiempo reglamentario" clas

s="gt_row gt_center">87.18%</td>

## <td headers="Efecto de marcar primero en el tiempo Añadido" class="gt_

row gt_center">33.33%</td>

## <td headers="Efecto de marcar primero en los penaltis" class="gt_row g

t_center">50.00%</td></tr>

## </tbody>

##

## </table>

## </div>

#nuevas variables########################################################

########

datos_goles=datos_goles%>%mutate(

goles_p1 = P1_L + P1_V,

goles_p2 = P2_L + P2_V,

goles_p3 = P3_L + P3_V,

goles_p4 = P4_L + P4_V,

goles_p5 = P5_L + P5_V,

goles_p6 = P6_L + P6_V)

#tabla 3 por pasitos ####################################################

############

#efecto de marcar primero y ganar----------------------------------------

----------------

datos_goles_con_efecto <- datos_goles %>%

mutate(

PRIM_GOL = as.character(PRIM_GOL),

GANO = as.character(GANO),

marco_primero_y_gano_partido = case_when(

is.na(PRIM_GOL) | PRIM_GOL == "" |

is.na(GANO) | GANO == "" | GANO == "Empate" | GANO == "EMPATE" ~

FALSE,

PRIM_GOL == GANO ~

TRUE,

TRUE ~

FALSE

)

# --- MODIFICACIÓN AL PASO 2 de tu código -------------------------------

----------------------------

efecto_anual_counts <- datos_goles_con_efecto %>%

filter(!is.na(PRIM_GOL) & PRIM_GOL != "") %>%

group_by(TORNEO, YEAR) %>%

summarise(

partidos_con_primer_gol_valido = n(),

victorias_marcando_primero = sum(marco_primero_y_gano_partido, na.rm

= TRUE),

.groups = 'drop'

) %>%

mutate(

PORC_MARCAR_PRIMERO_GANAR = ifelse(partidos_con_primer_gol_valido > 0

,

(victorias_marcando_primero / part

idos_con_primer_gol_valido) * 100,

0)

)

lista_resultados_fisher <- list()

# 1. Comparación Mundiales (2018 vs. 2022) con Prueba Exacta de Fisher###

#############################################################

mundial_2018_stats_fisher <- efecto_anual_counts %>%

filter(TORNEO == "MUNDIAL" & YEAR == 2018)

mundial_2022_stats_fisher <- efecto_anual_counts %>%

filter(TORNEO == "MUNDIAL" & YEAR == 2022)

if(nrow(mundial_2018_stats_fisher) == 1 && nrow(mundial_2022_stats_fisher

) == 1) {

k_mundial_2018 <- mundial_2018_stats_fisher$victorias_marcando_primero

n_mundial_2018 <- mundial_2018_stats_fisher$partidos_con_primer_gol_val

ido

fracasos_mundial_2018 <- n_mundial_2018 - k_mundial_2018

k_mundial_2022 <- mundial_2022_stats_fisher$victorias_marcando_primero

n_mundial_2022 <- mundial_2022_stats_fisher$partidos_con_primer_gol_val

ido

fracasos_mundial_2022 <- n_mundial_2022 - k_mundial_2022

tabla_contingencia_mundial <- matrix(

c(k_mundial_2018, fracasos_mundial_2018,

k_mundial_2022, fracasos_mundial_2022),

nrow = 2, byrow = FALSE,

dimnames = list(

Resultado = c("MarcóPrimero_y_Ganó", "MarcóPrimero_y_NO_Ganó"),

Año_Mundial = c("2018", "2022")

)

test_fisher_mundial <- fisher.test(tabla_contingencia_mundial)

print(test_fisher_mundial)

# Extraer y guardar los resultados-------------------------------------

-------------------

prop_mundial_2018 <- ifelse(n_mundial_2018 > 0, (k_mundial_2018 / n_mun

dial_2018) * 100, 0)

prop_mundial_2022 <- ifelse(n_mundial_2022 > 0, (k_mundial_2022 / n_mun

dial_2022) * 100, 0)

resultados_mundial <- data.frame(

Comparacion = "Mundial: 2018 vs 2022",

Torneo_Base = "MUNDIAL",

Año1 = 2018,

Prop_Año1_Porc = prop_mundial_2018,

Exitos_Año1 = k_mundial_2018,

Total_Año1 = n_mundial_2018,

Año2 = 2022,

Prop_Año2_Porc = prop_mundial_2022,

Exitos_Año2 = k_mundial_2022,

Total_Año2 = n_mundial_2022,

Odds_Ratio = as.numeric(test_fisher_mundial$estimate),

OR_CI_Lower = test_fisher_mundial$conf.int[1],

OR_CI_Upper = test_fisher_mundial$conf.int[2],

P_Valor = test_fisher_mundial$p.value

)

lista_resultados_fisher[["Mundial_2018_vs_2022"]] <- resultados_mundial

} else {

print("Error: No se pudieron obtener datos para la comparación de Mundi

ales.")

}

##

## Fisher's Exact Test for Count Data

##

## data: tabla_contingencia_mundial

## p-value = 0.1755

## alternative hypothesis: true odds ratio is not equal to 1

## 95 percent confidence interval:

## 0.003333534 1.952382646

## sample estimates:

## odds ratio

## 0.1787131

# 2. Comparación Eurocopas (2020 vs. 2024) con Prueba Exacta de Fisher---

-----------------------------------------------------

euro_2020_stats_fisher <- efecto_anual_counts %>%

filter(TORNEO == "EURO COPA" & YEAR == 2020)

euro_2024_stats_fisher <- efecto_anual_counts %>%

filter(TORNEO == "EURO COPA" & YEAR == 2024)

if(nrow(euro_2020_stats_fisher) == 1 && nrow(euro_2024_stats_fisher) == 1

) {

k_euro_2020 <- euro_2020_stats_fisher$victorias_marcando_primero

n_euro_2020 <- euro_2020_stats_fisher$partidos_con_primer_gol_valido

fracasos_euro_2020 <- n_euro_2020 - k_euro_2020

k_euro_2024 <- euro_2024_stats_fisher$victorias_marcando_primero

n_euro_2024 <- euro_2024_stats_fisher$partidos_con_primer_gol_valido

fracasos_euro_2024 <- n_euro_2024 - k_euro_2024

tabla_contingencia_euro <- matrix(

c(k_euro_2020, fracasos_euro_2020,

k_euro_2024, fracasos_euro_2024),

nrow = 2, byrow = FALSE,

dimnames = list(

Resultado = c("MarcóPrimero_y_Ganó", "MarcóPrimero_y_NO_Ganó"),

Año_Eurocopa = c("2020", "2024")

)

test_fisher_euro <- fisher.test(tabla_contingencia_euro)

# Extraer y guardar los resultados-------------------------------------

-------------------

prop_euro_2020 <- ifelse(n_euro_2020 > 0, (k_euro_2020 / n_euro_2020) *

100, 0)

prop_euro_2024 <- ifelse(n_euro_2024 > 0, (k_euro_2024 / n_euro_2024) *

100, 0)

resultados_euro <- data.frame(

Comparacion = "Eurocopa: 2020 vs 2024",

Torneo_Base = "EURO COPA",

Año1 = 2020,

Prop_Año1_Porc = prop_euro_2020,

Exitos_Año1 = k_euro_2020,

Total_Año1 = n_euro_2020,

Año2 = 2024,

Prop_Año2_Porc = prop_euro_2024,

Exitos_Año2 = k_euro_2024,

Total_Año2 = n_euro_2024,

Odds_Ratio = as.numeric(test_fisher_euro$estimate),

OR_CI_Lower = test_fisher_euro$conf.int[1],

OR_CI_Upper = test_fisher_euro$conf.int[2],

P_Valor = test_fisher_euro$p.value

)

lista_resultados_fisher[["Euro_2020_vs_2024"]] <- resultados_euro

} else {

print("Error: No se pudieron obtener datos para la comparación de Euroc

opas.")

}

# Combinar todos los resultados en una sola tabla------------------------

--------------------------------

if (length(lista_resultados_fisher) > 0) {

tabla_final_fisher <- dplyr::bind_rows(lista_resultados_fisher)

print("Tabla Final con Resultados de Fisher:")

print(tabla_final_fisher)

} else {

print("No se generaron resultados para la tabla final.")

}

## [1] "Tabla Final con Resultados de Fisher:"

## Comparacion Torneo_Base Año1 Prop_Año1_Porc Exitos_Año1 T

otal_Año1

## 1 Mundial: 2018 vs 2022 MUNDIAL 2018 68.75000 11

16

## 2 Eurocopa: 2020 vs 2024 EURO COPA 2020 78.57143 11

14

## Año2 Prop_Año2_Porc Exitos_Año2 Total_Año2 Odds_Ratio OR_CI_Lower OR

_CI_Upper

## 1 2022 92.85714 13 14 0.1787131 0.003333534

1.952383

## 2 2024 53.84615 7 13 3.0070555 0.455284868

25.049960

## P_Valor

## 1 0.1754789

## 2 0.2364607

# view(tabla_final_fisher)

# view(tabla_final_fisher%>%select(Comparacion,Prop_Año1_Porc,Total_Año1,

Prop_Año2_Porc,Total_Año2,Odds_Ratio, P_Valor))

#datos para el resto de la tabla 3#######################################

#########################

data=datos_goles%>%select(TORNEO,YEAR,TOTAL_GN,goles_p1,goles_p2,goles_p3

,goles_p4,goles_p5,goles_p6,GOL_GAN,GOL_PERD)

#normalidad variables por fecha------------------------------------------

--------------

# 1. Definir las variables numéricas que quieres testear

variables_numericas_a_testear <- c("TOTAL_GN", "goles_p1", "goles_p2", "g

oles_p3",

"goles_p4", "goles_p5", "goles_p6",

"GOL_GAN", "GOL_PERD")

# 2. Crear una función auxiliar para ejecutar Shapiro-Wilk y devolver un

data frame/tibble--------------------------------------------------------

ejecutar_shapiro_wilk <- function(valores_columna) {

valores_limpios <- valores_columna[!is.na(valores_columna)]

if (length(valores_limpios) >= 3 && length(valores_limpios) <= 5000) {

test_resultado <- shapiro.test(valores_limpios)

return(

tibble(

N_Observaciones = length(valores_limpios),

W_Statistic = test_resultado$statistic,

P_Value = test_resultado$p.value

)

} else if (length(valores_limpios) > 5000) {

return(

tibble(

N_Observaciones = length(valores_limpios),

W_Statistic = NA_real_,

P_Value = NA_real_

)

} else {

return(

tibble(

N_Observaciones = length(valores_limpios),

W_Statistic = NA_real_,

P_Value = NA_real_

)

}

# 3. Remodelar los datos a formato largo (long format)-------------------

-------------------------------------

data_formato_largo <- data %>%

select(TORNEO, YEAR, all_of(variables_numericas_a_testear)) %>%

pivot_longer(

cols = all_of(variables_numericas_a_testear),

names_to = "Variable_Testeada",

values_to = "Valor_Observado"

)

# 4. Agrupar por TORNEO, YEAR y Variable_Testeada, y aplicar la prueba de

normalidad--------------------------------------------------------

resultados_normalidad <- data_formato_largo %>%

group_by(TORNEO, YEAR, Variable_Testeada) %>%

summarise(

resultados_shapiro = list(ejecutar_shapiro_wilk(Valor_Observado)),

.groups = 'drop'

) %>%

unnest(resultados_shapiro)

print(resultados_normalidad)

## # A tibble: 36 × 6

## TORNEO YEAR Variable_Testeada N_Observaciones W_Statistic P_V

alue

## <fct> <dbl> <chr> <int> <dbl> <

dbl>

## 1 EURO COPA 2020 GOL_GAN 14 0.931 0.312

## 2 EURO COPA 2020 GOL_PERD 9 0.987 0.990

## 3 EURO COPA 2020 TOTAL_GN 14 0.809 0.006

46

## 4 EURO COPA 2020 goles_p1 14 0.616 0.000

0565

## 5 EURO COPA 2020 goles_p2 14 0.576 0.000

0250

## 6 EURO COPA 2020 goles_p3 14 0.679 0.000

225

## 7 EURO COPA 2020 goles_p4 14 0.735 0.000

878

## 8 EURO COPA 2020 goles_p5 14 0.576 0.000

0250

## 9 EURO COPA 2020 goles_p6 14 0.740 0.000

984

## 10 EURO COPA 2024 GOL_GAN 13 0.955 0.680

## # ℹ 26 more rows

# view(resultados_normalidad)

resultados_evaluacion_normalidad <- resultados_normalidad %>%

mutate(

Evaluacion_Normalidad = ifelse(

is.na(P_Value),

"No se pudo determinar (datos insuficientes o N > 5000 para Shapiro

)",

ifelse(

P_Value >= 0.05,

"Presenta Normalidad (p >= 0.05)",

"No Presenta Normalidad (p < 0.05)"

)

print(resultados_evaluacion_normalidad)

## # A tibble: 36 × 7

## TORNEO YEAR Variable_Testeada N_Observaciones W_Statistic P_V

alue

## <fct> <dbl> <chr> <int> <dbl> <

dbl>

## 1 EURO COPA 2020 GOL_GAN 14 0.931 0.312

## 2 EURO COPA 2020 GOL_PERD 9 0.987 0.990

## 3 EURO COPA 2020 TOTAL_GN 14 0.809 0.006

46

## 4 EURO COPA 2020 goles_p1 14 0.616 0.000

0565

## 5 EURO COPA 2020 goles_p2 14 0.576 0.000

0250

## 6 EURO COPA 2020 goles_p3 14 0.679 0.000

225

## 7 EURO COPA 2020 goles_p4 14 0.735 0.000

878

## 8 EURO COPA 2020 goles_p5 14 0.576 0.000

0250

## 9 EURO COPA 2020 goles_p6 14 0.740 0.000

984

## 10 EURO COPA 2024 GOL_GAN 13 0.955 0.680

## # ℹ 26 more rows

## # ℹ 1 more variable: Evaluacion_Normalidad <chr>

# view(resultados_evaluacion_normalidad)

#QQ plot para confirmar normalidad#######################################

#########################

cat("\n--- Generando Gráficos Q-Q para Casos Específicos ---\n")

##

## --- Generando Gráficos Q-Q para Casos Específicos ---

# 1. Define las combinaciones específicas para las que quieres los gráfic

os Q-Q--------------------------------------------------------

combinaciones_qq <- tribble(

~TORNEO_str, ~YEAR_num, ~Variable_str,

"EURO COPA", 2020, "GOL_GAN",

"EURO COPA", 2020, "GOL_PERD",

"EURO COPA", 2024, "GOL_GAN",

"EURO COPA", 2024, "GOL_PERD",

"MUNDIAL", 2018, "GOL_GAN",

"MUNDIAL", 2018, "GOL_PERD",

"MUNDIAL", 2022, "GOL_GAN",

"MUNDIAL", 2022, "GOL_PERD",

"MUNDIAL", 2022, "TOTAL_GN"

)

# 2. Unir con los resultados de Shapiro para obtener P_Value y N_Observac

iones--------------------------------------------------------

if (exists("resultados_normalidad") && nrow(resultados_normalidad) > 0) {

combinaciones_qq_con_stats <- combinaciones_qq %>%

mutate(

TORNEO = factor(TORNEO_str, levels = levels(resultados_normalidad$T

ORNEO)),

YEAR = as.double(YEAR_num),

Variable_Testeada = Variable_str

) %>%

left_join(resultados_normalidad, by = c("TORNEO", "YEAR", "Variable_T

esteada")) %>%

filter(!is.na(P_Value))

if (nrow(combinaciones_qq_con_stats) == 0) {

print("No se encontraron resultados de Shapiro-Wilk para las combinac

iones especificadas. Verifica los nombres y años.")

} else {

# 3. Iterar sobre estas combinaciones y generar los gráficos---------

-----------------------------------------------

for (i in 1:nrow(combinaciones_qq_con_stats)) {

fila_actual_qq <- combinaciones_qq_con_stats[i, ]

nombre_torneo_qq <- fila_actual_qq$TORNEO

año_qq <- fila_actual_qq$YEAR

variable_qq <- fila_actual_qq$Variable_Testeada

shapiro_p_val_qq <- fila_actual_qq$P_Value

shapiro_n_obs_qq <- fila_actual_qq$N_Observaciones

datos_para_grafico_qq <- data_formato_largo %>%

filter(

TORNEO == nombre_torneo_qq,

YEAR == año_qq,

Variable_Testeada == variable_qq

) %>%

pull(Valor_Observado) %>%

na.omit()

if (length(datos_para_grafico_qq) < 3) {

print(paste("Saltando Q-Q plot para:", variable_qq, "en", nombre_

torneo_qq, año_qq,

"- Datos insuficientes después de quitar NAs:", lengt

h(datos_para_grafico_qq)))

titulo_grafico_qq <- paste("Gráfico Q-Q para:", variable_qq,

"\nTorneo:", nombre_torneo_qq, "- Año:",

año_qq,

"\n(Shapiro P-Valor:", round(shapiro_p_v

al_qq, 4), ", N Efectivo:", shapiro_n_obs_qq, ")")

df_para_plot_qq <- data.frame(Valores = datos_para_grafico_qq)

grafico_qq_actual <- ggplot(df_para_plot_qq, aes(sample = Valores))

+

geom_qq(color = "#342BA8", shape = 16, alpha = 0.7) +

geom_qq_line(color = "#D93E1F", linewidth = 1) +

labs(

title = titulo_grafico_qq,

x = "Cuantiles Teóricos (Normal)",

y = "Cuantiles de la Muestra"

) +

theme_minimal() +

theme(plot.title = element_text(hjust = 0.5, size = 10))

print(grafico_qq_actual)

}

} else {

print("El dataframe 'resultados_normalidad' no existe o está vacío. Ase

gúrate de haber corrido las pruebas de normalidad primero.")

}

#pruebas de homocedasticidad#############################################

###################

# 3. Define los pares de años a comparar para cada torneo----------------

----------------------------------------

comparaciones_por_torneo <- list(

MUNDIAL = list(años = c(2018, 2022), etiqueta_comp = "Mundial: 2018 vs

2022"),

`EURO COPA` = list(años = c(2020, 2024), etiqueta_comp = "Eurocopa: 202

0 vs 2024")

)

# 4. Inicializar un tibble para guardar los resultados

resultados_levene_pares_años <- tibble()

# 5. Bucle a través de los torneos, luego las variables

for (nombre_torneo_loop in names(comparaciones_por_torneo)) {

info_comparacion_loop <- comparaciones_por_torneo[[nombre_torneo_loop]]

años_a_comparar_loop <- info_comparacion_loop$años

etiqueta_comparacion_loop <- info_comparacion_loop$etiqueta_comp

if (length(años_a_comparar_loop) != 2) {

print(paste("Saltando comparación:", etiqueta_comparacion_loop, "- se

necesitan exactamente dos años."))

for (nombre_variable_loop in variables_numericas_a_testear) {

datos_filtrados_levene <- data %>%

filter(

TORNEO == nombre_torneo_loop,

YEAR %in% años_a_comparar_loop

) %>%

select(YEAR, Valor = all_of(nombre_variable_loop)) %>%

mutate(YEAR = as.factor(YEAR)) %>%

drop_na(Valor)

stats_por_año_levene <- datos_filtrados_levene %>%

group_by(YEAR) %>%

summarise(

n_obs = n(),

varianza = var(Valor, na.rm = TRUE)

) %>%

ungroup()

n_original_año1_levene <- nrow(filter(data, TORNEO == nombre_torneo_l

oop & YEAR == años_a_comparar_loop[1]))

n_original_año2_levene <- nrow(filter(data, TORNEO == nombre_torneo_l

oop & YEAR == años_a_comparar_loop[2]))

stats_año1_levene <- stats_por_año_levene %>% filter(YEAR == as.chara

cter(años_a_comparar_loop[1]))

stats_año2_levene <- stats_por_año_levene %>% filter(YEAR == as.chara

cter(años_a_comparar_loop[2]))

f_stat_val_levene <- NA_real_

p_val_val_levene <- NA_real_

nota_val_levene <- ""

if (nrow(stats_año1_levene) == 0 || nrow(stats_año2_levene) == 0 ||

stats_año1_levene$n_obs < 2 || stats_año2_levene$n_obs < 2) {

nota_val_levene <- "Datos insuficientes (n<2 en al menos un grupo d

espués de quitar NAs para esta variable)."

} else {

var1_levene <- stats_año1_levene$varianza

var2_levene <- stats_año2_levene$varianza

if (is.na(var1_levene) || is.na(var2_levene)) {

nota_val_levene <- "Varianza no calculable (n<2 o todos NAs) en u

no o ambos grupos."

} else if (var1_levene == 0 && var2_levene == 0) {

p_val_val_levene <- 1.0

nota_val_levene <- "Ambos grupos tienen varianza cero (homocedást

icos)."

} else if (var1_levene == 0 || var2_levene == 0) {

p_val_val_levene <- 0.00000001

nota_val_levene <- "Un grupo tiene varianza cero y el otro no (he

terocedásticos)."

} else {

resultado_test_obj_levene <- tryCatch({

leveneTest(Valor ~ YEAR, data = datos_filtrados_levene, center

= median)

}, error = function(e) {

return(list(error_message = as.character(e$message)))

})

if (!is.null(resultado_test_obj_levene) && is.null(resultado_test

_obj_levene$error_message)) {

f_stat_val_levene <- resultado_test_obj_levene$`F value`[1]

p_val_val_levene <- resultado_test_obj_levene$`Pr(>F)`[1]

} else if (!is.null(resultado_test_obj_levene$error_message)) {

nota_val_levene <- paste("Error en LeveneTest:", resultado_test

_obj_levene$error_message)

} else {

nota_val_levene <- "Error desconocido en LeveneTest."

}

temp_resultado_levene <- tibble(

Comparacion = etiqueta_comparacion_loop,

Variable_Testeada = nombre_variable_loop,

Año1 = años_a_comparar_loop[1],

N_Total_Año1 = n_original_año1_levene,

N_Efectivo_Año1 = ifelse(nrow(stats_año1_levene) == 0, 0, stats_año

1_levene$n_obs),

Año2 = años_a_comparar_loop[2],

N_Total_Año2 = n_original_año2_levene,

N_Efectivo_Año2 = ifelse(nrow(stats_año2_levene) == 0, 0, stats_año

2_levene$n_obs),

F_Statistic_Levene = f_stat_val_levene,

P_Value_Levene = p_val_val_levene,

Nota_Levene = nota_val_levene

)

resultados_levene_pares_años <- bind_rows(resultados_levene_pares_año

s, temp_resultado_levene)

}

# 6. Ver los resultados y añadir conclusión de homocedasticidad

print("Resultados de la Prueba de Levene para pares de años:")

## [1] "Resultados de la Prueba de Levene para pares de años:"

print(resultados_levene_pares_años)

## # A tibble: 18 × 11

## Comparacion Variable_Testeada Año1 N_Total_Año1 N_Efectivo_

Año1 Año2

## <chr> <chr> <dbl> <int> <

int> <dbl>

## 1 Mundial: 2018 vs … TOTAL_GN 2018 16

16 2022

## 2 Mundial: 2018 vs … goles_p1 2018 16

16 2022

## 3 Mundial: 2018 vs … goles_p2 2018 16

16 2022

## 4 Mundial: 2018 vs … goles_p3 2018 16

16 2022

## 5 Mundial: 2018 vs … goles_p4 2018 16

16 2022

## 6 Mundial: 2018 vs … goles_p5 2018 16

16 2022

## 7 Mundial: 2018 vs … goles_p6 2018 16

16 2022

## 8 Mundial: 2018 vs … GOL_GAN 2018 16

16 2022

## 9 Mundial: 2018 vs … GOL_PERD 2018 16

10 2022

## 10 Eurocopa: 2020 vs… TOTAL_GN 2020 14

14 2024

## 11 Eurocopa: 2020 vs… goles_p1 2020 14

14 2024

## 12 Eurocopa: 2020 vs… goles_p2 2020 14

14 2024

## 13 Eurocopa: 2020 vs… goles_p3 2020 14

14 2024

## 14 Eurocopa: 2020 vs… goles_p4 2020 14

14 2024

## 15 Eurocopa: 2020 vs… goles_p5 2020 14

14 2024

## 16 Eurocopa: 2020 vs… goles_p6 2020 14

14 2024

## 17 Eurocopa: 2020 vs… GOL_GAN 2020 14

14 2024

## 18 Eurocopa: 2020 vs… GOL_PERD 2020 14

9 2024

## # ℹ 5 more variables: N_Total_Año2 <int>, N_Efectivo_Año2 <int>,

## # F_Statistic_Levene <dbl>, P_Value_Levene <dbl>, Nota_Levene <chr>

# view(resultados_levene_pares_años)

resultados_levene_con_conclusion <- resultados_levene_pares_años %>%

mutate(

Conclusion_Homocedasticidad = case_when(

grepl("varianza cero", Nota_Levene, ignore.case = TRUE) ~ Nota_Leve

ne,

grepl("Error en LeveneTest", Nota_Levene, ignore.case = TRUE) ~ pas

te("No se pudo determinar:", Nota_Levene),

grepl("Datos insuficientes", Nota_Levene, ignore.case = TRUE) ~ pas

te("No se pudo determinar:", Nota_Levene),

is.na(P_Value_Levene) & Nota_Levene == "" ~ "P_Value NA sin nota",

is.na(P_Value_Levene) ~ Nota_Levene,

P_Value_Levene >= 0.05 ~ "Homocedasticidad (p >= 0.05)",

P_Value_Levene < 0.05 ~ "Heterocedasticidad (p < 0.05)",

TRUE ~ "Revisar caso"

)

print("Resultados de Levene con Conclusión:")

## [1] "Resultados de Levene con Conclusión:"

print(resultados_levene_con_conclusion %>%

select(Comparacion, Variable_Testeada, N_Efectivo_Año1, N_Efectiv

o_Año2, P_Value_Levene, Conclusion_Homocedasticidad, Nota_Levene))

## # A tibble: 18 × 7

## Comparacion Variable_Testeada N_Efectivo_Año1 N_Efectivo_Año2 P_Va

lue_Levene

## <chr> <chr> <int> <int>

<dbl>

## 1 Mundial: 20… TOTAL_GN 16 14

1

## 2 Mundial: 20… goles_p1 16 14

0.780

## 3 Mundial: 20… goles_p2 16 14

0.603

## 4 Mundial: 20… goles_p3 16 14

0.465

## 5 Mundial: 20… goles_p4 16 14

0.594

## 6 Mundial: 20… goles_p5 16 14

0.178

## 7 Mundial: 20… goles_p6 16 14

0.153

## 8 Mundial: 20… GOL_GAN 16 14

0.147

## 9 Mundial: 20… GOL_PERD 10 10

0.436

## 10 Eurocopa: 2… TOTAL_GN 14 13

0.405

## 11 Eurocopa: 2… goles_p1 14 13

0.492

## 12 Eurocopa: 2… goles_p2 14 13

0.430

## 13 Eurocopa: 2… goles_p3 14 13

0.209

## 14 Eurocopa: 2… goles_p4 14 13

0.666

## 15 Eurocopa: 2… goles_p5 14 13

0.364

## 16 Eurocopa: 2… goles_p6 14 13

0.191

## 17 Eurocopa: 2… GOL_GAN 14 13

0.579

## 18 Eurocopa: 2… GOL_PERD 9 9

0.216

## # ℹ 2 more variables: Conclusion_Homocedasticidad <chr>, Nota_Levene <

chr>

# view(resultados_levene_con_conclusion)

# view(resultados_levene_con_conclusion%>%select(Comparacion,Variable_Tes

teada,N_Efectivo_Año1,N_Total_Año1,N_Efectivo_Año2,N_Total_Año2,F_Statist

ic_Levene,P_Value_Levene,Conclusion_Homocedasticidad))

#mann_whitney############################################################

####

# 3. Inicializar un tibble para guardar los resultados de Mann-Whitney

resultados_mann_whitney <- tibble()

# 4. Bucle a través de los torneos, luego las variables

for (nombre_torneo_mw in names(comparaciones_por_torneo)) {

info_comp_mw <- comparaciones_por_torneo[[nombre_torneo_mw]]

años_comp_mw <- info_comp_mw$años

etiqueta_comp_mw <- info_comp_mw$etiqueta_comp

if (length(años_comp_mw) != 2) {

print(paste("Saltando Mann-Whitney para", etiqueta_comp_mw, "- se nec

esitan exactamente dos años."))

for (nombre_variable_mw in variables_numericas_a_testear) {

datos_filtrados_mw <- data %>%

filter(

TORNEO == nombre_torneo_mw,

YEAR %in% años_comp_mw

) %>%

select(YEAR, Valor = all_of(nombre_variable_mw)) %>%

mutate(YEAR_factor = as.factor(YEAR)) %>%

drop_na(Valor)

stats_por_año_mw <- datos_filtrados_mw %>%

group_by(YEAR_factor) %>%

summarise(

n_obs = n(),

mediana_valor = median(Valor, na.rm = TRUE)

) %>%

ungroup()

stats_año1_mw <- stats_por_año_mw %>% filter(YEAR_factor == as.charac

ter(años_comp_mw[1]))

stats_año2_mw <- stats_por_año_mw %>% filter(YEAR_factor == as.charac

ter(años_comp_mw[2]))

n_efectivo_año1 <- ifelse(nrow(stats_año1_mw) > 0, stats_año1_mw$n_ob

s, 0)

mediana_año1 <- ifelse(nrow(stats_año1_mw) > 0, stats_año1_mw$mediana

_valor, NA_real_)

n_efectivo_año2 <- ifelse(nrow(stats_año2_mw) > 0, stats_año2_mw$n_ob

s, 0)

mediana_año2 <- ifelse(nrow(stats_año2_mw) > 0, stats_año2_mw$mediana

_valor, NA_real_)

w_stat_mw <- NA_real_

p_val_mw <- NA_real_

nota_mw <- ""

if (n_efectivo_año1 < 1 || n_efectivo_año2 < 1) {

nota_mw <- "Datos insuficientes (n<1 en al menos un grupo después d

e quitar NAs) para Mann-Whitney."

} else {

resultado_test_obj_mw <- tryCatch({

wilcox.test(Valor ~ YEAR_factor, data = datos_filtrados_mw,

exact = FALSE,

conf.int = FALSE,

paired = FALSE)

}, error = function(e) {

return(list(error_message = as.character(e$message)))

})

if (!is.null(resultado_test_obj_mw) && is.null(resultado_test_obj_m

w$error_message)) {

w_stat_mw <- resultado_test_obj_mw$statistic # Estadístico W de W

ilcoxon

p_val_mw <- resultado_test_obj_mw$p.value

} else if (!is.null(resultado_test_obj_mw$error_message)) {

nota_mw <- paste("Error en Mann-Whitney:", resultado_test_obj_mw$

error_message)

} else {

nota_mw <- "Error desconocido en Mann-Whitney."

}

temp_resultado_mw <- tibble(

Comparacion = etiqueta_comp_mw,

Variable_Testeada = nombre_variable_mw,

Año1 = años_comp_mw[1],

N_Efectivo_Año1 = n_efectivo_año1,

Mediana_Año1 = mediana_año1,

Año2 = años_comp_mw[2],

N_Efectivo_Año2 = n_efectivo_año2,

Mediana_Año2 = mediana_año2,

W_Statistic_MW = w_stat_mw,

P_Value_MW = p_val_mw,

Nota_MW = nota_mw

)

resultados_mann_whitney <- bind_rows(resultados_mann_whitney, temp_re

sultado_mw)

}

# 5. Ver los resultados

print("Resultados de las Pruebas U de Mann-Whitney para pares de años:")

## [1] "Resultados de las Pruebas U de Mann-Whitney para pares de años:"

# View(resultados_mann_whitney)

resultados_mann_whitney_con_conclusion <- resultados_mann_whitney %>%

mutate(

Conclusion_MW = case_when(

!is.na(Nota_MW) & Nota_MW != "" ~ paste("No se pudo determinar:", N

ota_MW),

is.na(P_Value_MW) ~ "P_Value NA sin nota específica",

P_Value_MW < 0.05 ~ "Diferencia significativa (p < 0.05)",

P_Value_MW >= 0.05 ~ "No diferencia significativa (p >= 0.05)",

TRUE ~ "Revisar caso"

)

print("Resultados de Mann-Whitney con Conclusión:")

## [1] "Resultados de Mann-Whitney con Conclusión:"

# View(resultados_mann_whitney_con_conclusion %>%

# select(Comparacion, Variable_Testeada, N_Efectivo_Año1, Mediana_

Año1, N_Efectivo_Año2, Mediana_Año2, P_Value_MW, Conclusion_MW))

#datos descriptivos para armar la tabla##################################

##############################

data_long_para_medianas <- data %>%

pivot_longer(

cols = all_of(variables_numericas_a_testear),

names_to = "Variable_Analizada",

values_to = "Valor"

) %>%

drop_na(Valor)

# Paso 2: Calcular medianas y N para los años individuales especificados

en 'comparaciones_por_torneo'

lista_años_individuales <- unlist(lapply(comparaciones_por_torneo, functi

on(x) x$años))

medianas_años_individuales <- data_long_para_medianas %>%

filter(

(TORNEO == "MUNDIAL" & YEAR %in% comparaciones_por_torneo$MUNDIAL$año

s) |

(TORNEO == "EURO COPA" & YEAR %in% comparaciones_por_torneo$`EURO C

OPA`$años)

) %>%

group_by(TORNEO, YEAR, Variable_Analizada) %>%

summarise(

Mediana = median(Valor, na.rm = TRUE),

N_Obs = n(),

.groups = 'drop'

) %>%

mutate(Grupo_Descriptor = as.character(YEAR))

# Paso 3: Calcular medianas y N para el "Total" de los años combinados po

r torneo

lista_medianas_totales_torneo <- list()

for (torneo_actual in names(comparaciones_por_torneo)) {

años_del_torneo_actual <- comparaciones_por_torneo[[torneo_actual]]$año

s

etiqueta_total_actual <- paste0("Total ", torneo_actual, " (",

paste(años_del_torneo_actual, collapse

= "+"), ")")

# Ej: "Total MUNDIAL (2018+2022)"

medianas_temp_total <- data_long_para_medianas %>%

filter(TORNEO == torneo_actual, YEAR %in% años_del_torneo_actual) %>%

group_by(TORNEO, Variable_Analizada) %>%

summarise(

Mediana = median(Valor, na.rm = TRUE),

N_Obs = n(),

.groups = 'drop'

) %>%

mutate(

YEAR = NA_real_,

Grupo_Descriptor = etiqueta_total_actual

)

lista_medianas_totales_torneo[[torneo_actual]] <- medianas_temp_total

}

# Combinar los dataframes de la lista en uno solo

medianas_totales_por_torneo_df <- bind_rows(lista_medianas_totales_torneo

)

medianas_totales_por_torneo_df <- medianas_totales_por_torneo_df %>%

select(TORNEO, YEAR, Variable_Analizada, Mediana, N_Obs, Grupo_Descript

or)

tabla_descriptivos_medianas <- bind_rows(

medianas_años_individuales,

medianas_totales_por_torneo_df

) %>%

arrange(Variable_Analizada, TORNEO, Grupo_Descriptor)

# Ver los resultados de los descriptivos calculados

print("Descriptivos Calculados (Medianas y N):")

## [1] "Descriptivos Calculados (Medianas y N):"

# View(tabla_descriptivos_medianas)

#ahora si tabla 3########################################################

########

definicion_columnas_tabla3 <- tribble(

~Variable_Interna, ~Encabezado_GT,

~Tipo_Descriptivo, ~Order,

"PORC_MARCAR_PRIMERO_GANAR", "Efecto marcar primero equipo ganador (

%)", "porcentaje", 1,

"TOTAL_GN", "Goles totales por partido (Mediana (N)

)", "mediana", 2,

"goles_p1", "Goles periodo 0-15 min (Mediana (N))",

"mediana", 3,

"goles_p2", "Goles periodo 16-30 min (Mediana (N))"

, "mediana", 4,

"goles_p3", "Goles periodo 31-45 min (Mediana (N))"

, "mediana", 5,

"goles_p4", "Goles periodo 46-60 min (Mediana (N))"

, "mediana", 6,

"goles_p5", "Goles periodo 61-75 min (Mediana (N))"

, "mediana", 7,

"goles_p6", "Goles periodo 76-90 min (Mediana (N))"

, "mediana", 8,

"GOL_GAN", "Minuto primer gol equipo ganador (Medi

ana (N))", "mediana", 9,

"GOL_PERD", "Minuto primer gol equipo perdedor (Med

iana (N))", "mediana", 10

) %>% arrange(Order)

# Crear nombres de columna seguros para el dataframe intermedio (antes de

gt)

definicion_columnas_tabla3 <- definicion_columnas_tabla3 %>%

mutate(Nombre_Col_df = make.names(Encabezado_GT))

#########

# Función para formatear Mediana (N)

formatear_mediana_N <- function(mediana, n_obs) {

if (length(mediana) != 1 || length(n_obs) != 1 ||

!is.numeric(mediana) || !is.numeric(n_obs)) {

return("-")

}

if (is.na(mediana) || is.na(n_obs) || n_obs == 0) {

return("-")

}

paste0(sprintf("%.2f", mediana), " (N=", n_obs, ")")

}

formatear_porcentaje_N <- function(porcentaje, n_obs) {

if (length(porcentaje) != 1 || length(n_obs) != 1 ||

!is.numeric(porcentaje) || !is.numeric(n_obs)) {

return("-")

}

if (is.na(porcentaje) || is.na(n_obs) || n_obs == 0) {

return("-")

}

paste0(sprintf("%.1f%%", porcentaje), " (N=", n_obs, ")")

}

formatear_MW <- function(W_stat, p_val) {

if (length(W_stat) != 1 || length(p_val) != 1 || !is.numeric(W_stat) ||

!is.numeric(p_val)) {

return("-")

}

if (is.na(W_stat) || is.na(p_val)) return("-")

p_val_formateado <- format.pval(p_val, digits = 2, eps = 0.001)

estrellas_sig <- case_when(p_val < 0.001 ~ "***", p_val < 0.01 ~ "**",

p_val < 0.05 ~ "*", TRUE ~ "")

paste0(round(W_stat, 0), estrellas_sig, " (p=", p_val_formateado, ")")

}

formatear_Fisher <- function(OR, OR_CI_L, OR_CI_U, p_val) {

if (length(OR) != 1 || length(OR_CI_L) != 1 || length(OR_CI_U) != 1 ||

length(p_val) != 1 ||

!is.numeric(OR) || !is.numeric(OR_CI_L) || !is.numeric(OR_CI_U) ||

!is.numeric(p_val)) {

return("-")

}

if (is.na(OR) || is.na(p_val)) return("-")

p_val_formateado <- format.pval(p_val, digits = 2, eps = 0.001)

estrellas_sig <- case_when(p_val < 0.001 ~ "***", p_val < 0.01 ~ "**",

p_val < 0.05 ~ "*", TRUE ~ "")

or_texto <- paste0(sprintf("%.2f", OR), " [", sprintf("%.2f", OR_CI_L),

"-", sprintf("%.2f", OR_CI_U), "]")

paste0(or_texto, estrellas_sig, " (p=", p_val_formateado, ")")

}

#########

filas_para_tabla_gt <- list()

años_mundial <- comparaciones_por_torneo$MUNDIAL$años

años_euro <- comparaciones_por_torneo$`EURO COPA`$años

# --- SECCIÓN MUNDIAL ---

torneo_actual_label <- "Mundial"

torneo_actual_data <- "MUNDIAL"

años_actuales <- años_mundial

etiqueta_comparacion_actual <- comparaciones_por_torneo$MUNDIAL$etiqueta_

comp

fila_mundial_año1 <- tibble(GT_Torneo_Grupo = torneo_actual_label, GT_Eti

queta_Fila = as.character(años_actuales[1]))

for(j in 1:nrow(definicion_columnas_tabla3)){

var_int <- definicion_columnas_tabla3$Variable_Interna[j]

col_df_name <- definicion_columnas_tabla3$Nombre_Col_df[j]

tipo_desc <- definicion_columnas_tabla3$Tipo_Descriptivo[j]

if(tipo_desc == "porcentaje"){

datos_fisher_m <- tabla_final_fisher %>% filter(Torneo_Base == torneo

_actual_data, Comparacion == etiqueta_comparacion_actual)

valor_display <- formatear_porcentaje_N(datos_fisher_m$Prop_Año1_Porc

, datos_fisher_m$Total_Año1)

} else {

datos_desc_m <- tabla_descriptivos_medianas %>%

filter(TORNEO == torneo_actual_data, YEAR == años_actuales[1], Vari

able_Analizada == var_int)

valor_display <- formatear_mediana_N(datos_desc_m$Mediana, datos_desc

_m$N_Obs)

}

fila_mundial_año1[[col_df_name]] <- valor_display

}

filas_para_tabla_gt <- append(filas_para_tabla_gt, list(fila_mundial_año1

))

fila_mundial_año2 <- tibble(GT_Torneo_Grupo = torneo_actual_label, GT_Eti

queta_Fila = as.character(años_actuales[2]))

for(j in 1:nrow(definicion_columnas_tabla3)){

var_int <- definicion_columnas_tabla3$Variable_Interna[j]

col_df_name <- definicion_columnas_tabla3$Nombre_Col_df[j]

tipo_desc <- definicion_columnas_tabla3$Tipo_Descriptivo[j]

if(tipo_desc == "porcentaje"){

datos_fisher_m <- tabla_final_fisher %>% filter(Torneo_Base == torneo

_actual_data, Comparacion == etiqueta_comparacion_actual)

valor_display <- formatear_porcentaje_N(datos_fisher_m$Prop_Año2_Porc

, datos_fisher_m$Total_Año2)

} else {

datos_desc_m <- tabla_descriptivos_medianas %>%

filter(TORNEO == torneo_actual_data, YEAR == años_actuales[2], Vari

able_Analizada == var_int)

valor_display <- formatear_mediana_N(datos_desc_m$Mediana, datos_desc

_m$N_Obs)

}

fila_mundial_año2[[col_df_name]] <- valor_display

}

filas_para_tabla_gt <- append(filas_para_tabla_gt, list(fila_mundial_año2

))

# Fila para Mundial - Total

fila_mundial_total <- tibble(GT_Torneo_Grupo = torneo_actual_label, GT_Et

iqueta_Fila = "Total")

for(j in 1:nrow(definicion_columnas_tabla3)){

var_int <- definicion_columnas_tabla3$Variable_Interna[j]

col_df_name <- definicion_columnas_tabla3$Nombre_Col_df[j]

tipo_desc <- definicion_columnas_tabla3$Tipo_Descriptivo[j]

if(tipo_desc == "porcentaje"){

total_efecto_stats <- efecto_anual_counts %>%

filter(TORNEO == torneo_actual_data, YEAR %in% años_actuales) %>%

summarise(sum_victorias = sum(victorias_marcando_primero, na.rm = T

RUE),

sum_partidos = sum(partidos_con_primer_gol_valido, na.rm

= TRUE)) %>%

mutate(PORC_Total = ifelse(sum_partidos > 0, (sum_victorias / sum_p

artidos) * 100, 0),

N_Total = sum_partidos)

valor_display <- formatear_porcentaje_N(total_efecto_stats$PORC_Total

, total_efecto_stats$N_Total)

} else {

descriptor_total_actual = paste0("Total ", torneo_actual_data, " (",

paste(años_actuales, collapse = "+"), ")")

datos_desc_m <- tabla_descriptivos_medianas %>%

filter(TORNEO == torneo_actual_data, Grupo_Descriptor == descriptor

_total_actual, Variable_Analizada == var_int)

valor_display <- formatear_mediana_N(datos_desc_m$Mediana, datos_desc

_m$N_Obs)

}

fila_mundial_total[[col_df_name]] <- valor_display

}

filas_para_tabla_gt <- append(filas_para_tabla_gt, list(fila_mundial_tota

l))

fila_mundial_test <- tibble(GT_Torneo_Grupo = torneo_actual_label, GT_Eti

queta_Fila = "Mann-Whitney U / Fisher (p-valor)")

for(j in 1:nrow(definicion_columnas_tabla3)){

var_int <- definicion_columnas_tabla3$Variable_Interna[j]

col_df_name <- definicion_columnas_tabla3$Nombre_Col_df[j]

tipo_desc <- definicion_columnas_tabla3$Tipo_Descriptivo[j]

if(tipo_desc == "porcentaje"){

datos_fisher_m <- tabla_final_fisher %>% filter(Torneo_Base == torneo

_actual_data, Comparacion == etiqueta_comparacion_actual)

valor_display <- formatear_Fisher(datos_fisher_m$Odds_Ratio, datos_fi

sher_m$OR_CI_Lower, datos_fisher_m$OR_CI_Upper, datos_fisher_m$P_Valor)

} else {

datos_mw_m <- resultados_mann_whitney_con_conclusion %>%

filter(Comparacion == etiqueta_comparacion_actual, Variable_Testead

a == var_int)

valor_display <- formatear_MW(datos_mw_m$W_Statistic_MW, datos_mw_m$P

_Value_MW)

}

fila_mundial_test[[col_df_name]] <- valor_display

}

filas_para_tabla_gt <- append(filas_para_tabla_gt, list(fila_mundial_test

))

# --- SECCIÓN EUROCOPA ---

torneo_actual_label <- "Eurocopa" # Cómo se verá en la tabla

torneo_actual_data <- "EURO COPA" # Cómo está en tus datos

años_actuales <- años_euro

etiqueta_comparacion_actual <- comparaciones_por_torneo$`EURO COPA`$etiqu

eta_comp

fila_euro_año1 <- tibble(GT_Torneo_Grupo = torneo_actual_label, GT_Etique

ta_Fila = as.character(años_actuales[1]))

for(j in 1:nrow(definicion_columnas_tabla3)){

var_int <- definicion_columnas_tabla3$Variable_Interna[j]

col_df_name <- definicion_columnas_tabla3$Nombre_Col_df[j]

tipo_desc <- definicion_columnas_tabla3$Tipo_Descriptivo[j]

if(tipo_desc == "porcentaje"){

datos_fisher_e <- tabla_final_fisher %>% filter(Torneo_Base == torneo

_actual_data, Comparacion == etiqueta_comparacion_actual)

valor_display <- formatear_porcentaje_N(datos_fisher_e$Prop_Año1_Porc

, datos_fisher_e$Total_Año1)

} else {

datos_desc_e <- tabla_descriptivos_medianas %>%

filter(TORNEO == torneo_actual_data, YEAR == años_actuales[1], Vari

able_Analizada == var_int)

valor_display <- formatear_mediana_N(datos_desc_e$Mediana, datos_desc

_e$N_Obs)

}

fila_euro_año1[[col_df_name]] <- valor_display

}

filas_para_tabla_gt <- append(filas_para_tabla_gt, list(fila_euro_año1))

fila_euro_año2 <- tibble(GT_Torneo_Grupo = torneo_actual_label, GT_Etique

ta_Fila = as.character(años_actuales[2]))

for(j in 1:nrow(definicion_columnas_tabla3)){

var_int <- definicion_columnas_tabla3$Variable_Interna[j]

col_df_name <- definicion_columnas_tabla3$Nombre_Col_df[j]

tipo_desc <- definicion_columnas_tabla3$Tipo_Descriptivo[j]

if(tipo_desc == "porcentaje"){

datos_fisher_e <- tabla_final_fisher %>% filter(Torneo_Base == torneo

_actual_data, Comparacion == etiqueta_comparacion_actual)

valor_display <- formatear_porcentaje_N(datos_fisher_e$Prop_Año2_Porc

, datos_fisher_e$Total_Año2)

} else {

datos_desc_e <- tabla_descriptivos_medianas %>%

filter(TORNEO == torneo_actual_data, YEAR == años_actuales[2], Vari

able_Analizada == var_int)

valor_display <- formatear_mediana_N(datos_desc_e$Mediana, datos_desc

_e$N_Obs)

}

fila_euro_año2[[col_df_name]] <- valor_display

}

filas_para_tabla_gt <- append(filas_para_tabla_gt, list(fila_euro_año2))

fila_euro_total <- tibble(GT_Torneo_Grupo = torneo_actual_label, GT_Etiqu

eta_Fila = "Total")

for(j in 1:nrow(definicion_columnas_tabla3)){

var_int <- definicion_columnas_tabla3$Variable_Interna[j]

col_df_name <- definicion_columnas_tabla3$Nombre_Col_df[j]

tipo_desc <- definicion_columnas_tabla3$Tipo_Descriptivo[j]

if(tipo_desc == "porcentaje"){

total_efecto_stats_e <- efecto_anual_counts %>%

filter(TORNEO == torneo_actual_data, YEAR %in% años_actuales) %>%

summarise(sum_victorias = sum(victorias_marcando_primero, na.rm = T

RUE),

sum_partidos = sum(partidos_con_primer_gol_valido, na.rm

= TRUE)) %>%

mutate(PORC_Total = ifelse(sum_partidos > 0, (sum_victorias / sum_p

artidos) * 100, 0),

N_Total = sum_partidos)

valor_display <- formatear_porcentaje_N(total_efecto_stats_e$PORC_Tot

al, total_efecto_stats_e$N_Total)

} else {

descriptor_total_actual_e = paste0("Total ", torneo_actual_data, " ("

, paste(años_actuales, collapse = "+"), ")")

datos_desc_e <- tabla_descriptivos_medianas %>%

filter(TORNEO == torneo_actual_data, Grupo_Descriptor == descriptor

_total_actual_e, Variable_Analizada == var_int)

valor_display <- formatear_mediana_N(datos_desc_e$Mediana, datos_desc

_e$N_Obs)

}

fila_euro_total[[col_df_name]] <- valor_display

}

filas_para_tabla_gt <- append(filas_para_tabla_gt, list(fila_euro_total))

fila_euro_test <- tibble(GT_Torneo_Grupo = torneo_actual_label, GT_Etique

ta_Fila = "Mann-Whitney U / Fisher (p-valor)")

for(j in 1:nrow(definicion_columnas_tabla3)){

var_int <- definicion_columnas_tabla3$Variable_Interna[j]

col_df_name <- definicion_columnas_tabla3$Nombre_Col_df[j]

tipo_desc <- definicion_columnas_tabla3$Tipo_Descriptivo[j]

if(tipo_desc == "porcentaje"){

datos_fisher_e <- tabla_final_fisher %>% filter(Torneo_Base == torneo

_actual_data, Comparacion == etiqueta_comparacion_actual)

valor_display <- formatear_Fisher(datos_fisher_e$Odds_Ratio, datos_fi

sher_e$OR_CI_Lower, datos_fisher_e$OR_CI_Upper, datos_fisher_e$P_Valor)

} else {

datos_mw_e <- resultados_mann_whitney_con_conclusion %>%

filter(Comparacion == etiqueta_comparacion_actual, Variable_Testead

a == var_int)

valor_display <- formatear_MW(datos_mw_e$W_Statistic_MW, datos_mw_e$P

_Value_MW)

}

fila_euro_test[[col_df_name]] <- valor_display

}

filas_para_tabla_gt <- append(filas_para_tabla_gt, list(fila_euro_test))

# --- Combinar todas las filas en un único dataframe ---

df_para_tabla3_final <- bind_rows(filas_para_tabla_gt)

# View(df_para_tabla3_final)

#######

# Crear los nombres de las columnas para gt a partir de la definición

nombres_columnas_gt <- setNames(

definicion_columnas_tabla3$Encabezado_GT,

definicion_columnas_tabla3$Nombre_Col_df

)

tabla3_gt <- df_para_tabla3_final %>%

gt(groupname_col = "GT_Torneo_Grupo", rowname_col = "GT_Etiqueta_Fila")

%>%

cols_label(

.list = nombres_columnas_gt

) %>%

tab_header(

title = md("**Tabla 3: Diferencias en variables de goles en función d

el año entre Mundial y Eurocopa**")

) %>%

cols_align(

align = "center",

columns = all_of(definicion_columnas_tabla3$Nombre_Col_df)

) %>%

tab_style(

style = list(

cell_text(style = "italic")

),

locations = cells_body(

rows = GT_Etiqueta_Fila == "Mann-Whitney U / Fisher (p-valor)"

)

) %>%

tab_style(

style = list(

cell_text(weight = "bold")

),

locations = cells_body(

rows = GT_Etiqueta_Fila == "Total"

)

) %>%

tab_footnote(

footnote = md("* p<0.05; ** p<0.01; *** p<0.001")

)

# Imprimir la tabla final

print(tabla3_gt)

## <div id="jnvqnaewem" style="padding-left:0px;padding-right:0px;padding

-top:10px;padding-bottom:10px;overflow-x:auto;overflow-y:auto;width:auto;

height:auto;">

## <style>#jnvqnaewem table {

## font-family: system-ui, 'Segoe UI', Roboto, Helvetica, Arial, sans-s

erif, 'Apple Color Emoji', 'Segoe UI Emoji', 'Segoe UI Symbol', 'Noto Col

or Emoji';

## -webkit-font-smoothing: antialiased;

## -moz-osx-font-smoothing: grayscale;

## }

##

## #jnvqnaewem thead, #jnvqnaewem tbody, #jnvqnaewem tfoot, #jnvqnaewem t

r, #jnvqnaewem td, #jnvqnaewem th {

## border-style: none;

## }

##

## #jnvqnaewem p {

## margin: 0;

## padding: 0;

## }

##

## #jnvqnaewem .gt_table {

## display: table;

## border-collapse: collapse;

## line-height: normal;

## margin-left: auto;

## margin-right: auto;

## color: #333333;

## font-size: 16px;

## font-weight: normal;

## font-style: normal;

## background-color: #FFFFFF;

## width: auto;

## border-top-style: solid;

## border-top-width: 2px;

## border-top-color: #A8A8A8;

## border-right-style: none;

## border-right-width: 2px;

## border-right-color: #D3D3D3;

## border-bottom-style: solid;

## border-bottom-width: 2px;

## border-bottom-color: #A8A8A8;

## border-left-style: none;

## border-left-width: 2px;

## border-left-color: #D3D3D3;

## }

##

## #jnvqnaewem .gt_caption {

## padding-top: 4px;

## padding-bottom: 4px;

## }

##

## #jnvqnaewem .gt_title {

## color: #333333;

## font-size: 125%;

## font-weight: initial;

## padding-top: 4px;

## padding-bottom: 4px;

## padding-left: 5px;

## padding-right: 5px;

## border-bottom-color: #FFFFFF;

## border-bottom-width: 0;

## }

##

## #jnvqnaewem .gt_subtitle {

## color: #333333;

## font-size: 85%;

## font-weight: initial;

## padding-top: 3px;

## padding-bottom: 5px;

## padding-left: 5px;

## padding-right: 5px;

## border-top-color: #FFFFFF;

## border-top-width: 0;

## }

##

## #jnvqnaewem .gt_heading {

## background-color: #FFFFFF;

## text-align: center;

## border-bottom-color: #FFFFFF;

## border-left-style: none;

## border-left-width: 1px;

## border-left-color: #D3D3D3;

## border-right-style: none;

## border-right-width: 1px;

## border-right-color: #D3D3D3;

## }

##

## #jnvqnaewem .gt_bottom_border {

## border-bottom-style: solid;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## }

##

## #jnvqnaewem .gt_col_headings {

## border-top-style: solid;

## border-top-width: 2px;

## border-top-color: #D3D3D3;

## border-bottom-style: solid;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## border-left-style: none;

## border-left-width: 1px;

## border-left-color: #D3D3D3;

## border-right-style: none;

## border-right-width: 1px;

## border-right-color: #D3D3D3;

## }

##

## #jnvqnaewem .gt_col_heading {

## color: #333333;

## background-color: #FFFFFF;

## font-size: 100%;

## font-weight: normal;

## text-transform: inherit;

## border-left-style: none;

## border-left-width: 1px;

## border-left-color: #D3D3D3;

## border-right-style: none;

## border-right-width: 1px;

## border-right-color: #D3D3D3;

## vertical-align: bottom;

## padding-top: 5px;

## padding-bottom: 6px;

## padding-left: 5px;

## padding-right: 5px;

## overflow-x: hidden;

## }

##

## #jnvqnaewem .gt_column_spanner_outer {

## color: #333333;

## background-color: #FFFFFF;

## font-size: 100%;

## font-weight: normal;

## text-transform: inherit;

## padding-top: 0;

## padding-bottom: 0;

## padding-left: 4px;

## padding-right: 4px;

## }

##

## #jnvqnaewem .gt_column_spanner_outer:first-child {

## padding-left: 0;

## }

##

## #jnvqnaewem .gt_column_spanner_outer:last-child {

## padding-right: 0;

## }

##

## #jnvqnaewem .gt_column_spanner {

## border-bottom-style: solid;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## vertical-align: bottom;

## padding-top: 5px;

## padding-bottom: 5px;

## overflow-x: hidden;

## display: inline-block;

## width: 100%;

## }

##

## #jnvqnaewem .gt_spanner_row {

## border-bottom-style: hidden;

## }

##

## #jnvqnaewem .gt_group_heading {

## padding-top: 8px;

## padding-bottom: 8px;

## padding-left: 5px;

## padding-right: 5px;

## color: #333333;

## background-color: #FFFFFF;

## font-size: 100%;

## font-weight: initial;

## text-transform: inherit;

## border-top-style: solid;

## border-top-width: 2px;

## border-top-color: #D3D3D3;

## border-bottom-style: solid;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## border-left-style: none;

## border-left-width: 1px;

## border-left-color: #D3D3D3;

## border-right-style: none;

## border-right-width: 1px;

## border-right-color: #D3D3D3;

## vertical-align: middle;

## text-align: left;

## }

##

## #jnvqnaewem .gt_empty_group_heading {

## padding: 0.5px;

## color: #333333;

## background-color: #FFFFFF;

## font-size: 100%;

## font-weight: initial;

## border-top-style: solid;

## border-top-width: 2px;

## border-top-color: #D3D3D3;

## border-bottom-style: solid;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## vertical-align: middle;

## }

##

## #jnvqnaewem .gt_from_md > :first-child {

## margin-top: 0;

## }

##

## #jnvqnaewem .gt_from_md > :last-child {

## margin-bottom: 0;

## }

##

## #jnvqnaewem .gt_row {

## padding-top: 8px;

## padding-bottom: 8px;

## padding-left: 5px;

## padding-right: 5px;

## margin: 10px;

## border-top-style: solid;

## border-top-width: 1px;

## border-top-color: #D3D3D3;

## border-left-style: none;

## border-left-width: 1px;

## border-left-color: #D3D3D3;

## border-right-style: none;

## border-right-width: 1px;

## border-right-color: #D3D3D3;

## vertical-align: middle;

## overflow-x: hidden;

## }

##

## #jnvqnaewem .gt_stub {

## color: #333333;

## background-color: #FFFFFF;

## font-size: 100%;

## font-weight: initial;

## text-transform: inherit;

## border-right-style: solid;

## border-right-width: 2px;

## border-right-color: #D3D3D3;

## padding-left: 5px;

## padding-right: 5px;

## }

##

## #jnvqnaewem .gt_stub_row_group {

## color: #333333;

## background-color: #FFFFFF;

## font-size: 100%;

## font-weight: initial;

## text-transform: inherit;

## border-right-style: solid;

## border-right-width: 2px;

## border-right-color: #D3D3D3;

## padding-left: 5px;

## padding-right: 5px;

## vertical-align: top;

## }

##

## #jnvqnaewem .gt_row_group_first td {

## border-top-width: 2px;

## }

##

## #jnvqnaewem .gt_row_group_first th {

## border-top-width: 2px;

## }

##

## #jnvqnaewem .gt_summary_row {

## color: #333333;

## background-color: #FFFFFF;

## text-transform: inherit;

## padding-top: 8px;

## padding-bottom: 8px;

## padding-left: 5px;

## padding-right: 5px;

## }

##

## #jnvqnaewem .gt_first_summary_row {

## border-top-style: solid;

## border-top-color: #D3D3D3;

## }

##

## #jnvqnaewem .gt_first_summary_row.thick {

## border-top-width: 2px;

## }

##

## #jnvqnaewem .gt_last_summary_row {

## padding-top: 8px;

## padding-bottom: 8px;

## padding-left: 5px;

## padding-right: 5px;

## border-bottom-style: solid;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## }

##

## #jnvqnaewem .gt_grand_summary_row {

## color: #333333;

## background-color: #FFFFFF;

## text-transform: inherit;

## padding-top: 8px;

## padding-bottom: 8px;

## padding-left: 5px;

## padding-right: 5px;

## }

##

## #jnvqnaewem .gt_first_grand_summary_row {

## padding-top: 8px;

## padding-bottom: 8px;

## padding-left: 5px;

## padding-right: 5px;

## border-top-style: double;

## border-top-width: 6px;

## border-top-color: #D3D3D3;

## }

##

## #jnvqnaewem .gt_last_grand_summary_row_top {

## padding-top: 8px;

## padding-bottom: 8px;

## padding-left: 5px;

## padding-right: 5px;

## border-bottom-style: double;

## border-bottom-width: 6px;

## border-bottom-color: #D3D3D3;

## }

##

## #jnvqnaewem .gt_striped {

## background-color: rgba(128, 128, 128, 0.05);

## }

##

## #jnvqnaewem .gt_table_body {

## border-top-style: solid;

## border-top-width: 2px;

## border-top-color: #D3D3D3;

## border-bottom-style: solid;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## }

##

## #jnvqnaewem .gt_footnotes {

## color: #333333;

## background-color: #FFFFFF;

## border-bottom-style: none;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## border-left-style: none;

## border-left-width: 2px;

## border-left-color: #D3D3D3;

## border-right-style: none;

## border-right-width: 2px;

## border-right-color: #D3D3D3;

## }

##

## #jnvqnaewem .gt_footnote {

## margin: 0px;

## font-size: 90%;

## padding-top: 4px;

## padding-bottom: 4px;

## padding-left: 5px;

## padding-right: 5px;

## }

##

## #jnvqnaewem .gt_sourcenotes {

## color: #333333;

## background-color: #FFFFFF;

## border-bottom-style: none;

## border-bottom-width: 2px;

## border-bottom-color: #D3D3D3;

## border-left-style: none;

## border-left-width: 2px;

## border-left-color: #D3D3D3;

## border-right-style: none;

## border-right-width: 2px;

## border-right-color: #D3D3D3;

## }

##

## #jnvqnaewem .gt_sourcenote {

## font-size: 90%;

## padding-top: 4px;

## padding-bottom: 4px;

## padding-left: 5px;

## padding-right: 5px;

## }

##

## #jnvqnaewem .gt_left {

## text-align: left;

## }

##

## #jnvqnaewem .gt_center {

## text-align: center;

## }

##

## #jnvqnaewem .gt_right {

## text-align: right;

## font-variant-numeric: tabular-nums;

## }

##

## #jnvqnaewem .gt_font_normal {

## font-weight: normal;

## }

##

## #jnvqnaewem .gt_font_bold {

## font-weight: bold;

## }

##

## #jnvqnaewem .gt_font_italic {

## font-style: italic;

## }

##

## #jnvqnaewem .gt_super {

## font-size: 65%;

## }

##

## #jnvqnaewem .gt_footnote_marks {

## font-size: 75%;

## vertical-align: 0.4em;

## position: initial;

## }

##

## #jnvqnaewem .gt_asterisk {

## font-size: 100%;

## vertical-align: 0;

## }

##

## #jnvqnaewem .gt_indent_1 {

## text-indent: 5px;

## }

##

## #jnvqnaewem .gt_indent_2 {

## text-indent: 10px;

## }

##

## #jnvqnaewem .gt_indent_3 {

## text-indent: 15px;

## }

##

## #jnvqnaewem .gt_indent_4 {

## text-indent: 20px;

## }

##

## #jnvqnaewem .gt_indent_5 {

## text-indent: 25px;

## }

##

## #jnvqnaewem .katex-display {

## display: inline-flex !important;

## margin-bottom: 0.75em !important;

## }

##

## #jnvqnaewem div.Reactable > div.rt-table > div.rt-thead > div.rt-tr.rt

-tr-group-header > div.rt-th-group:after {

## height: 0px !important;

## }

## </style>

## <table class="gt_table" data-quarto-disable-processing="false" data-

quarto-bootstrap="false">

## <thead>

## <tr class="gt_heading">

## <td colspan="11" class="gt_heading gt_title gt_font_normal gt_bo

ttom_border" style><span class='gt_from_md'><strong>Tabla 3: Diferencias

en variables de goles en función del año entre Mundial y Eurocopa</strong

></span></td>

## </tr>

##

## <tr class="gt_col_headings">

## <th class="gt_col_heading gt_columns_bottom_border gt_left" rows

pan="1" colspan="1" scope="col" id="a::stub"></th>

## <th class="gt_col_heading gt_columns_bottom_border gt_center" ro

wspan="1" colspan="1" scope="col" id="Efecto.marcar.primero.equipo.ganado

r....">Efecto marcar primero equipo ganador (%)</th>

## <th class="gt_col_heading gt_columns_bottom_border gt_center" ro

wspan="1" colspan="1" scope="col" id="Goles.totales.por.partido..Mediana.

.N..">Goles totales por partido (Mediana (N))</th>

## <th class="gt_col_heading gt_columns_bottom_border gt_center" ro

wspan="1" colspan="1" scope="col" id="Goles.periodo.0.15.min..Mediana..N.

.">Goles periodo 0-15 min (Mediana (N))</th>

## <th class="gt_col_heading gt_columns_bottom_border gt_center" ro

wspan="1" colspan="1" scope="col" id="Goles.periodo.16.30.min..Mediana..N

..">Goles periodo 16-30 min (Mediana (N))</th>

## <th class="gt_col_heading gt_columns_bottom_border gt_center" ro

wspan="1" colspan="1" scope="col" id="Goles.periodo.31.45.min..Mediana..N

..">Goles periodo 31-45 min (Mediana (N))</th>

## <th class="gt_col_heading gt_columns_bottom_border gt_center" ro

wspan="1" colspan="1" scope="col" id="Goles.periodo.46.60.min..Mediana..N

..">Goles periodo 46-60 min (Mediana (N))</th>

## <th class="gt_col_heading gt_columns_bottom_border gt_center" ro

wspan="1" colspan="1" scope="col" id="Goles.periodo.61.75.min..Mediana..N

..">Goles periodo 61-75 min (Mediana (N))</th>

## <th class="gt_col_heading gt_columns_bottom_border gt_center" ro

wspan="1" colspan="1" scope="col" id="Goles.periodo.76.90.min..Mediana..N

..">Goles periodo 76-90 min (Mediana (N))</th>

## <th class="gt_col_heading gt_columns_bottom_border gt_center" ro

wspan="1" colspan="1" scope="col" id="Minuto.primer.gol.equipo.ganador..M

ediana..N..">Minuto primer gol equipo ganador (Mediana (N))</th>

## <th class="gt_col_heading gt_columns_bottom_border gt_center" ro

wspan="1" colspan="1" scope="col" id="Minuto.primer.gol.equipo.perdedor..

Mediana..N..">Minuto primer gol equipo perdedor (Mediana (N))</th>

## </tr>

## </thead>

## <tbody class="gt_table_body">

## <tr class="gt_group_heading_row">

## <th colspan="11" class="gt_group_heading" scope="colgroup" id="M

undial">Mundial</th>

## </tr>

## <tr class="gt_row_group_first"><th id="stub_1_1" scope="row" class

="gt_row gt_left gt_stub">2018</th>

## <td headers="Mundial stub_1_1 Efecto.marcar.primero.equipo.ganador....

" class="gt_row gt_center">68.8% (N=16)</td>

## <td headers="Mundial stub_1_1 Goles.totales.por.partido..Mediana..N.."

class="gt_row gt_center">2.00 (N=16)</td>

## <td headers="Mundial stub_1_1 Goles.periodo.0.15.min..Mediana..N.." cl

ass="gt_row gt_center">0.00 (N=16)</td>

## <td headers="Mundial stub_1_1 Goles.periodo.16.30.min..Mediana..N.." c

lass="gt_row gt_center">0.00 (N=16)</td>

## <td headers="Mundial stub_1_1 Goles.periodo.31.45.min..Mediana..N.." c

lass="gt_row gt_center">0.00 (N=16)</td>

## <td headers="Mundial stub_1_1 Goles.periodo.46.60.min..Mediana..N.." c

lass="gt_row gt_center">0.50 (N=16)</td>

## <td headers="Mundial stub_1_1 Goles.periodo.61.75.min..Mediana..N.." c

lass="gt_row gt_center">0.00 (N=16)</td>

## <td headers="Mundial stub_1_1 Goles.periodo.76.90.min..Mediana..N.." c

lass="gt_row gt_center">0.00 (N=16)</td>

## <td headers="Mundial stub_1_1 Minuto.primer.gol.equipo.ganador..Median

a..N.." class="gt_row gt_center">39.50 (N=16)</td>

## <td headers="Mundial stub_1_1 Minuto.primer.gol.equipo.perdedor..Media

na..N.." class="gt_row gt_center">36.00 (N=10)</td></tr>

## <tr><th id="stub_1_2" scope="row" class="gt_row gt_left gt_stub">2

022</th>

## <td headers="Mundial stub_1_2 Efecto.marcar.primero.equipo.ganador....

" class="gt_row gt_center">92.9% (N=14)</td>

## <td headers="Mundial stub_1_2 Goles.totales.por.partido..Mediana..N.."

class="gt_row gt_center">3.00 (N=14)</td>

## <td headers="Mundial stub_1_2 Goles.periodo.0.15.min..Mediana..N.." cl

ass="gt_row gt_center">0.00 (N=14)</td>

## <td headers="Mundial stub_1_2 Goles.periodo.16.30.min..Mediana..N.." c

lass="gt_row gt_center">0.00 (N=14)</td>

## <td headers="Mundial stub_1_2 Goles.periodo.31.45.min..Mediana..N.." c

lass="gt_row gt_center">1.00 (N=14)</td>

## <td headers="Mundial stub_1_2 Goles.periodo.46.60.min..Mediana..N.." c

lass="gt_row gt_center">0.00 (N=14)</td>

## <td headers="Mundial stub_1_2 Goles.periodo.61.75.min..Mediana..N.." c

lass="gt_row gt_center">0.00 (N=14)</td>

## <td headers="Mundial stub_1_2 Goles.periodo.76.90.min..Mediana..N.." c

lass="gt_row gt_center">1.00 (N=14)</td>

## <td headers="Mundial stub_1_2 Minuto.primer.gol.equipo.ganador..Median

a..N.." class="gt_row gt_center">28.50 (N=14)</td>

## <td headers="Mundial stub_1_2 Minuto.primer.gol.equipo.perdedor..Media

na..N.." class="gt_row gt_center">76.00 (N=10)</td></tr>

## <tr><th id="stub_1_3" scope="row" class="gt_row gt_left gt_stub">T

otal</th>

## <td headers="Mundial stub_1_3 Efecto.marcar.primero.equipo.ganador....

" class="gt_row gt_center" style="font-weight: bold;">80.0% (N=30)</td>

## <td headers="Mundial stub_1_3 Goles.totales.por.partido..Mediana..N.."

class="gt_row gt_center" style="font-weight: bold;">3.00 (N=30)</td>

## <td headers="Mundial stub_1_3 Goles.periodo.0.15.min..Mediana..N.." cl

ass="gt_row gt_center" style="font-weight: bold;">0.00 (N=30)</td>

## <td headers="Mundial stub_1_3 Goles.periodo.16.30.min..Mediana..N.." c

lass="gt_row gt_center" style="font-weight: bold;">0.00 (N=30)</td>

## <td headers="Mundial stub_1_3 Goles.periodo.31.45.min..Mediana..N.." c

lass="gt_row gt_center" style="font-weight: bold;">1.00 (N=30)</td>

## <td headers="Mundial stub_1_3 Goles.periodo.46.60.min..Mediana..N.." c

lass="gt_row gt_center" style="font-weight: bold;">0.00 (N=30)</td>

## <td headers="Mundial stub_1_3 Goles.periodo.61.75.min..Mediana..N.." c

lass="gt_row gt_center" style="font-weight: bold;">0.00 (N=30)</td>

## <td headers="Mundial stub_1_3 Goles.periodo.76.90.min..Mediana..N.." c

lass="gt_row gt_center" style="font-weight: bold;">0.50 (N=30)</td>

## <td headers="Mundial stub_1_3 Minuto.primer.gol.equipo.ganador..Median

a..N.." class="gt_row gt_center" style="font-weight: bold;">34.50 (N=30)<

/td>

## <td headers="Mundial stub_1_3 Minuto.primer.gol.equipo.perdedor..Media

na..N.." class="gt_row gt_center" style="font-weight: bold;">54.50 (N=20)

</td></tr>

## <tr><th id="stub_1_4" scope="row" class="gt_row gt_left gt_stub">M

ann-Whitney U / Fisher (p-valor)</th>

## <td headers="Mundial stub_1_4 Efecto.marcar.primero.equipo.ganador....

" class="gt_row gt_center" style="font-style: italic;">0.18 [0.00-1.95] (

p=0.18)</td>

## <td headers="Mundial stub_1_4 Goles.totales.por.partido..Mediana..N.."

class="gt_row gt_center" style="font-style: italic;">-</td>

## <td headers="Mundial stub_1_4 Goles.periodo.0.15.min..Mediana..N.." cl

ass="gt_row gt_center" style="font-style: italic;">-</td>

## <td headers="Mundial stub_1_4 Goles.periodo.16.30.min..Mediana..N.." c

lass="gt_row gt_center" style="font-style: italic;">-</td>

## <td headers="Mundial stub_1_4 Goles.periodo.31.45.min..Mediana..N.." c

lass="gt_row gt_center" style="font-style: italic;">-</td>

## <td headers="Mundial stub_1_4 Goles.periodo.46.60.min..Mediana..N.." c

lass="gt_row gt_center" style="font-style: italic;">-</td>

## <td headers="Mundial stub_1_4 Goles.periodo.61.75.min..Mediana..N.." c

lass="gt_row gt_center" style="font-style: italic;">-</td>

## <td headers="Mundial stub_1_4 Goles.periodo.76.90.min..Mediana..N.." c

lass="gt_row gt_center" style="font-style: italic;">-</td>

## <td headers="Mundial stub_1_4 Minuto.primer.gol.equipo.ganador..Median

a..N.." class="gt_row gt_center" style="font-style: italic;">-</td>

## <td headers="Mundial stub_1_4 Minuto.primer.gol.equipo.perdedor..Media

na..N.." class="gt_row gt_center" style="font-style: italic;">-</td></tr>

## <tr class="gt_group_heading_row">

## <th colspan="11" class="gt_group_heading" scope="colgroup" id="E

urocopa">Eurocopa</th>

## </tr>

## <tr class="gt_row_group_first"><th id="stub_1_5" scope="row" class

="gt_row gt_left gt_stub">2020</th>

## <td headers="Eurocopa stub_1_5 Efecto.marcar.primero.equipo.ganador...

." class="gt_row gt_center">78.6% (N=14)</td>

## <td headers="Eurocopa stub_1_5 Goles.totales.por.partido..Mediana..N..

" class="gt_row gt_center">2.00 (N=14)</td>

## <td headers="Eurocopa stub_1_5 Goles.periodo.0.15.min..Mediana..N.." c

lass="gt_row gt_center">0.00 (N=14)</td>

## <td headers="Eurocopa stub_1_5 Goles.periodo.16.30.min..Mediana..N.."

class="gt_row gt_center">0.00 (N=14)</td>

## <td headers="Eurocopa stub_1_5 Goles.periodo.31.45.min..Mediana..N.."

class="gt_row gt_center">0.00 (N=14)</td>

## <td headers="Eurocopa stub_1_5 Goles.periodo.46.60.min..Mediana..N.."

class="gt_row gt_center">0.00 (N=14)</td>

## <td headers="Eurocopa stub_1_5 Goles.periodo.61.75.min..Mediana..N.."

class="gt_row gt_center">0.00 (N=14)</td>

## <td headers="Eurocopa stub_1_5 Goles.periodo.76.90.min..Mediana..N.."

class="gt_row gt_center">0.00 (N=14)</td>

## <td headers="Eurocopa stub_1_5 Minuto.primer.gol.equipo.ganador..Media

na..N.." class="gt_row gt_center">34.50 (N=14)</td>

## <td headers="Eurocopa stub_1_5 Minuto.primer.gol.equipo.perdedor..Medi

ana..N.." class="gt_row gt_center">45.00 (N=9)</td></tr>

## <tr><th id="stub_1_6" scope="row" class="gt_row gt_left gt_stub">2

024</th>

## <td headers="Eurocopa stub_1_6 Efecto.marcar.primero.equipo.ganador...

." class="gt_row gt_center">53.8% (N=13)</td>

## <td headers="Eurocopa stub_1_6 Goles.totales.por.partido..Mediana..N..

" class="gt_row gt_center">3.00 (N=13)</td>

## <td headers="Eurocopa stub_1_6 Goles.periodo.0.15.min..Mediana..N.." c

lass="gt_row gt_center">0.00 (N=13)</td>

## <td headers="Eurocopa stub_1_6 Goles.periodo.16.30.min..Mediana..N.."

class="gt_row gt_center">0.00 (N=13)</td>

## <td headers="Eurocopa stub_1_6 Goles.periodo.31.45.min..Mediana..N.."

class="gt_row gt_center">0.00 (N=13)</td>

## <td headers="Eurocopa stub_1_6 Goles.periodo.46.60.min..Mediana..N.."

class="gt_row gt_center">0.00 (N=13)</td>

## <td headers="Eurocopa stub_1_6 Goles.periodo.61.75.min..Mediana..N.."

class="gt_row gt_center">0.00 (N=13)</td>

## <td headers="Eurocopa stub_1_6 Goles.periodo.76.90.min..Mediana..N.."

class="gt_row gt_center">1.00 (N=13)</td>

## <td headers="Eurocopa stub_1_6 Minuto.primer.gol.equipo.ganador..Media

na..N.." class="gt_row gt_center">47.00 (N=13)</td>

## <td headers="Eurocopa stub_1_6 Minuto.primer.gol.equipo.perdedor..Medi

ana..N.." class="gt_row gt_center">35.00 (N=9)</td></tr>

## <tr><th id="stub_1_7" scope="row" class="gt_row gt_left gt_stub">T

otal</th>

## <td headers="Eurocopa stub_1_7 Efecto.marcar.primero.equipo.ganador...

." class="gt_row gt_center" style="font-weight: bold;">66.7% (N=27)</td>

## <td headers="Eurocopa stub_1_7 Goles.totales.por.partido..Mediana..N..

" class="gt_row gt_center" style="font-weight: bold;">2.00 (N=27)</td>

## <td headers="Eurocopa stub_1_7 Goles.periodo.0.15.min..Mediana..N.." c

lass="gt_row gt_center" style="font-weight: bold;">0.00 (N=27)</td>

## <td headers="Eurocopa stub_1_7 Goles.periodo.16.30.min..Mediana..N.."

class="gt_row gt_center" style="font-weight: bold;">0.00 (N=27)</td>

## <td headers="Eurocopa stub_1_7 Goles.periodo.31.45.min..Mediana..N.."

class="gt_row gt_center" style="font-weight: bold;">0.00 (N=27)</td>

## <td headers="Eurocopa stub_1_7 Goles.periodo.46.60.min..Mediana..N.."

class="gt_row gt_center" style="font-weight: bold;">0.00 (N=27)</td>

## <td headers="Eurocopa stub_1_7 Goles.periodo.61.75.min..Mediana..N.."

class="gt_row gt_center" style="font-weight: bold;">0.00 (N=27)</td>

## <td headers="Eurocopa stub_1_7 Goles.periodo.76.90.min..Mediana..N.."

class="gt_row gt_center" style="font-weight: bold;">1.00 (N=27)</td>

## <td headers="Eurocopa stub_1_7 Minuto.primer.gol.equipo.ganador..Media

na..N.." class="gt_row gt_center" style="font-weight: bold;">39.00 (N=27)

</td>

## <td headers="Eurocopa stub_1_7 Minuto.primer.gol.equipo.perdedor..Medi

ana..N.." class="gt_row gt_center" style="font-weight: bold;">44.00 (N=18

)</td></tr>

## <tr><th id="stub_1_8" scope="row" class="gt_row gt_left gt_stub">M

ann-Whitney U / Fisher (p-valor)</th>

## <td headers="Eurocopa stub_1_8 Efecto.marcar.primero.equipo.ganador...

." class="gt_row gt_center" style="font-style: italic;">3.01 [0.46-25.05]

(p=0.24)</td>

## <td headers="Eurocopa stub_1_8 Goles.totales.por.partido..Mediana..N..

" class="gt_row gt_center" style="font-style: italic;">-</td>

## <td headers="Eurocopa stub_1_8 Goles.periodo.0.15.min..Mediana..N.." c

lass="gt_row gt_center" style="font-style: italic;">-</td>

## <td headers="Eurocopa stub_1_8 Goles.periodo.16.30.min..Mediana..N.."

class="gt_row gt_center" style="font-style: italic;">-</td>

## <td headers="Eurocopa stub_1_8 Goles.periodo.31.45.min..Mediana..N.."

class="gt_row gt_center" style="font-style: italic;">-</td>

## <td headers="Eurocopa stub_1_8 Goles.periodo.46.60.min..Mediana..N.."

class="gt_row gt_center" style="font-style: italic;">-</td>

## <td headers="Eurocopa stub_1_8 Goles.periodo.61.75.min..Mediana..N.."

class="gt_row gt_center" style="font-style: italic;">-</td>

## <td headers="Eurocopa stub_1_8 Goles.periodo.76.90.min..Mediana..N.."

class="gt_row gt_center" style="font-style: italic;">-</td>

## <td headers="Eurocopa stub_1_8 Minuto.primer.gol.equipo.ganador..Media

na..N.." class="gt_row gt_center" style="font-style: italic;">-</td>

## <td headers="Eurocopa stub_1_8 Minuto.primer.gol.equipo.perdedor..Medi

ana..N.." class="gt_row gt_center" style="font-style: italic;">-</td></tr

>

## </tbody>

##

## <tfoot class="gt_footnotes">

## <tr>

## <td class="gt_footnote" colspan="11"> <span class='gt_from_md'><

ul>

## <li>p<0.05; ** p<0.01; *** p<0.001</li>

## </ul>

## </span></td>

## </tr>

## </tfoot>

## </table>

## </div>

#########################################################

# Calcular la probabilidad de ganar para el equipo que anota primero,

# desglosado por si fue LOCAL o VISITANTE y por PERÍODO del primer gol.

probabilidades_ganar <- datos_goles %>%

filter(P_GOL_1 %in% c("1", "2", "3", "4", "5", "6")) %>%

# Agrupamos por quién anotó el primer gol y en qué período

group_by(PRIM_GOL, P_GOL_1) %>%

summarise(

total_partidos_condicion = n(),

veces_gano_quien_anoto_primero = sum(PRIM_GOL == GANO),

.groups = 'drop'

) %>%

mutate(

prob_ganar = veces_gano_quien_anoto_primero / total_partidos_condicio

n

) %>%

arrange(PRIM_GOL, P_GOL_1)

# Mostrar la tabla de probabilidades

# view(probabilidades_ganar)

# tabla separada

prob_ganar_local <- probabilidades_ganar %>%

filter(PRIM_GOL == "local")

prob_ganar_visitante <- probabilidades_ganar %>%

filter(PRIM_GOL == "visitante")

print("Probabilidad de Ganar si LOCAL anota primero:")

## [1] "Probabilidad de Ganar si LOCAL anota primero:"

print(prob_ganar_local)

## # A tibble: 6 × 5

## PRIM_GOL P_GOL_1 total_partidos_condicion veces_gano_quien_anoto_…¹

prob_ganar

## <fct> <fct> <int> <int>

<dbl>

## 1 local 1 9 7

0.778

## 2 local 2 4 3

0.75

## 3 local 3 9 7

0.778

## 4 local 4 6 6

1

## 5 local 5 1 1

1

## 6 local 6 2 2

1

## # ℹ abbreviated name: ¹veces_gano_quien_anoto_primero

print("Probabilidad de Ganar si VISITANTE anota primero:")

## [1] "Probabilidad de Ganar si VISITANTE anota primero:"

print(prob_ganar_visitante)

## # A tibble: 5 × 5

## PRIM_GOL P_GOL_1 total_partidos_condicion veces_gano_quien_anoto…¹

prob_ganar

## <fct> <fct> <int> <int>

<dbl>

## 1 visitante 1 10 6

0.6

## 2 visitante 2 8 5

0.625

## 3 visitante 3 4 3

0.75

## 4 visitante 4 2 1

0.5

## 5 visitante 5 2 1

0.5

## # ℹ abbreviated name: ¹veces_gano_quien_anoto_primero

# Preparamos etiquetas para el gráfico (N de cada barra)

probabilidades_ganar_para_plot <- probabilidades_ganar %>%

mutate(

etiqueta_prob = paste0(round(prob_ganar * 100, 1), "%\n(N=", total_pa

rtidos_condicion, ")")

)

# Gráfico de barras

ggplot(probabilidades_ganar_para_plot, aes(x = factor(P_GOL_1), y = prob_

ganar, fill = PRIM_GOL)) +

geom_bar(stat = "identity", position = position_dodge(preserve = "singl

e")) +

geom_text(

aes(label = etiqueta_prob),

position = position_dodge(width = 0.9),

vjust = -0.5,

size = 3

) +

scale_y_continuous(labels = scales::percent_format(), limits = c(0, 1.1

), breaks = seq(0, 1, 0.25)) +

scale_fill_manual(

values = c("local" = "#342BA8", "visitante" = "#D93E1F"),

name = "Equipo que Anotó Primero"

) +

labs(

title = "Probabilidad de Ganar al Anotar el Primer Gol, por Período y

Equipo",

subtitle = "Basado en Mundiales y Eurocopas (2018-2024), N=57 partido

s con primer gol en tiempo reglamentario",

x = "Período del Primer Gol (1=0-15min, 2=16-30min, etc.)",

y = "Probabilidad de Ganar"

) +

theme_minimal() +

theme(

plot.title = element_text(hjust = 0.5),

plot.subtitle = element_text(hjust = 0.5),

legend.position = "top"

)

###pobabilidades de ganar si anota en el tiempo x para caualquier equipo#

###################

# Calcular la probabilidad de ganar para el equipo que anota primero (AGR

EGANDO LOCAL Y VISITANTE),

# desglosado solo por PERÍODO del primer gol.

probabilidades_ganar_agregado <- datos_goles %>%

# Nos aseguramos de que solo consideramos los 6 períodos de tiempo regl

amentario

filter(P_GOL_1 %in% c("1", "2", "3", "4", "5", "6")) %>%

# Agrupamos solo por el período en que ocurrió el primer gol

group_by(P_GOL_1) %>%

summarise(

total_partidos_primer_gol_en_periodo = n(),

veces_gano_quien_anoto_primero_agregado = sum(PRIM_GOL == GANO),

.groups = 'drop'

) %>%

mutate(

prob_ganar_agg = veces_gano_quien_anoto_primero_agregado / total_part

idos_primer_gol_en_periodo

) %>%

arrange(P_GOL_1)

# Mostrar la tabla de probabilidades agregada

print(probabilidades_ganar_agregado)

## # A tibble: 6 × 4

## P_GOL_1 total_partidos_primer_gol_en_p…¹ veces_gano_quien_ano…² prob

_ganar_agg

## <fct> <int> <int>

<dbl>

## 1 1 19 13

0.684

## 2 2 12 8

0.667

## 3 3 13 10

0.769

## 4 4 8 7

0.875

## 5 5 3 2

0.667

## 6 6 2 2

1

## # ℹ abbreviated names: ¹total_partidos_primer_gol_en_periodo,

## # ²veces_gano_quien_anoto_primero_agregado

# Visualizar las probabilidades agregadas

probabilidades_ganar_agregado_para_plot <- probabilidades_ganar_agregado

%>%

mutate(

etiqueta_prob_agg = paste0(round(prob_ganar_agg * 100, 1), "%\n(N=",

total_partidos_primer_gol_en_periodo, ")")

)

ggplot(probabilidades_ganar_agregado_para_plot, aes(x = factor(P_GOL_1),

y = prob_ganar_agg)) +

geom_bar(stat = "identity", fill = "#342BA8") +

geom_text(

aes(label = etiqueta_prob_agg),

vjust = -0.5,

size = 3.5

) +

scale_y_continuous(labels = scales::percent_format(), limits = c(0, 1.1

), breaks = seq(0, 1, 0.25)) +

labs(

title = "Probabilidad de Ganar al Anotar el Primer Gol (Agregado Loca

l/Visitante)",

subtitle = "Basado en Mundiales y Eurocopas (2018-2024), N=57 partido

s con primer gol en tiempo reglamentario",

x = "Período del Primer Gol (1=0-15min, 2=16-30min, etc.)",

y = "Probabilidad de Ganar"

) +

theme_minimal() +

theme(

plot.title = element_text(hjust = 0.5),

plot.subtitle = element_text(hjust = 0.5)

)

#regresion logistica#####################################################

####

# Paso 1: Crear la variable dependiente binaria GanoQuienMarcoPrimero

# 1 si el equipo que anotó el primer gol, ganó el partido.

# 0 si el equipo que anotó el primer gol, NO ganó el partido.

datos_goles <- datos_goles %>%

mutate(

GanoQuienMarcoPrimero = ifelse(PRIM_GOL == GANO, 1, 0)

)

# Verificar la nueva variable (opcional, pero recomendado)

print(table(datos_goles$GanoQuienMarcoPrimero, useNA = "ifany"))

##

## 0 1

## 15 42

# Paso 2: Asegurarse de que P_GOL_1 es un factor y establecer un nivel de

referencia (opcional pero bueno para la interpretación)

datos_goles_para_modelo <- datos_goles %>%

filter(P_GOL_1 %in% c("1", "2", "3", "4", "5", "6")) %>%

mutate(P_GOL_1_factor = factor(P_GOL_1))

# Paso 3: Ajustar el modelo de regresión logística

# Modelo: GanoQuienMarcoPrimero en función del período del primer gol

modelo_logistico <- glm(GanoQuienMarcoPrimero ~ P_GOL_1_factor,

data = datos_goles_para_modelo,

family = binomial(link = "logit"))

# Paso 4: Ver el resumen del modelo

print(summary(modelo_logistico))

##

## Call:

## glm(formula = GanoQuienMarcoPrimero ~ P_GOL_1_factor, family = binomia

l(link = "logit"),

## data = datos_goles_para_modelo)

##

## Coefficients:

## Estimate Std. Error z value Pr(>|z|)

## (Intercept) 0.77319 0.49355 1.567 0.117

## P_GOL_1_factor2 -0.08004 0.78650 -0.102 0.919

## P_GOL_1_factor3 0.43078 0.82275 0.524 0.601

## P_GOL_1_factor4 1.17272 1.17747 0.996 0.319

## P_GOL_1_factor5 -0.08004 1.32045 -0.061 0.952

## P_GOL_1_factor6 15.79288 1696.73441 0.009 0.993

##

## (Dispersion parameter for binomial family taken to be 1)

##

## Null deviance: 65.702 on 56 degrees of freedom

## Residual deviance: 62.868 on 51 degrees of freedom

## AIC: 74.868

##

## Number of Fisher Scoring iterations: 15

# Otra forma de obtener OR y CI (sin broom, un poco más manual):

coeficientes_log_odds <- coef(modelo_logistico)

odds_ratios <- exp(coeficientes_log_odds)

conf_int_log_odds <- confint(modelo_logistico)

## Waiting for profiling to be done...

## Warning: glm.fit: fitted probabilities numerically 0 or 1 occurred

conf_int_odds_ratios <- exp(conf_int_log_odds)

print("Odds Ratios:")

## [1] "Odds Ratios:"

# view(odds_ratios)

print("Intervalos de Confianza para Odds Ratios (95%):")

## [1] "Intervalos de Confianza para Odds Ratios (95%):"

# view(conf_int_odds_ratios)